第1章 概述 1
1.1 进化类算法 2
1.2 群智能算法 3
1.3 模拟退火算法 5
1.4 禁忌搜索算法 5
1.5 神经网络算法 6
参考文献 6
第2章 遗传算法 9
2.1 遗传算法简介 9
2.2 遗传算法理论 10
2.2.1 遗传算法的生物学基础 10
2.2.2 遗传算法的基本概念 11
2.2.3 标准遗传算法 14
2.2.4 遗传算法的特点 14
2.2.5 遗传算法的改进方向 15
2.3 遗传算法流程 16
2.4 关键参数说明 17
2.5 MATLAB仿真实例 18
参考文献 30
第3章 差分进化算法 31
3.1 引言 31
3.2 差分进化算法理论 32
3.2.1 差分进化算法原理 32
3.2.2 差分进化算法的特点 32
3.3 差分进化算法种类 33
3.3.1 基本差分进化算法 33
3.3.2 差分进化算法的其他形式 35
3.3.3 改进的差分进化算法 35
3.4 差分进化算法流程 36
3.5 关键参数的说明 37
3.6 MATLAB仿真实例 39
参考文献 50
第4章 免疫算法 53
4.1 引言 53
4.2 免疫算法理论 54
4.2.1 生物免疫系统 54
4.2.2 免疫算法概念 56
4.2.3 免疫算法的特点 57
4.2.4 免疫算法算子 57
4.3 免疫算法种类 61
4.3.1 克隆选择算法 61
4.3.2 免疫遗传算法 61
4.3.3 反向选择算法 62
4.3.4 疫苗免疫算法 62
4.4 免疫算法流程 62
4.5 关键参数说明 64
4.6 MATLAB仿真实例 65
参考文献 78
第5章 蚁群算法 81
5.1 引言 81
5.2 蚁群算法理论 82
5.2.1 真实蚁群的觅食过程 82
5.2.2 人工蚁群的优化过程 84
5.2.3 真实蚂蚁与人工蚂蚁的异同 84
5.2.4 蚁群算法的特点 85
5.3 基本蚁群算法及其流程 86
5.4 改进的蚁群算法 88
5.4.1 精英蚂蚁系统 89
5.4.2 最大最小蚂蚁系统 89
5.4.3 基于排序的蚁群算法 89
5.4.4 自适应蚁群算法 90
5.5 关键参数说明 91
5.6 MATLAB仿真实例 93
参考文献 101
第6章 粒子群算法 103
6.1 引言 103
6.2 粒子群算法理论 104
6.2.1 粒子群算法描述 104
6.2.2 粒子群算法建模 105
6.2.3 粒子群算法的特点 105
6.3 粒子群算法种类 106
6.3.1 基本粒子群算法 106
6.3.2 标准粒子群算法 106
6.3.3 压缩因子粒子群算法 107
6.3.4 离散粒子群算法 108
6.4 粒子群算法流程 108
6.5 关键参数说明 109
6.6 MATLAB仿真实例 112
参考文献 122
第7章 模拟退火算法 125
7.1 模拟退火算法简介 125
7.2 模拟退火算法理论 126
7.2.1 物理退火过程 126
7.2.2 模拟退火原理 127
7.2.3 模拟退火算法思想 128
7.2.4 模拟退火算法的特点 128
7.2.5 模拟退火算法的改进方向 129
7.3 模拟退火算法流程 130
7.4 关键参数说明 131
7.5 MATLAB仿真实例 132
参考文献 143
第8章 禁忌搜索算法 145
8.1 禁忌搜索算法简介 145
8.2 禁忌搜索算法理论 146
8.2.1 局部邻域搜索 146
8.2.2 禁忌搜索 147
8.2.3 禁忌搜索算法的特点 147
8.2.4 禁忌搜索算法的改进方向 148
8.3 禁忌搜索算法流程 148
8.4 关键参数说明 150
8.5 MATLAB仿真实例 153
参考文献 164
第9章 神经网络算法 165
9.1 神经网络算法简介 165
9.2 神经网络算法理论 166
9.2.1 人工神经元模型 166
9.2.2 常用激活函数 167
9.2.3 神经网络模型 168
9.2.4 神经网络工作方式 168
9.2.5 神经网络算法的特点 169
9.3 BP神经网络算法 170
9.4 神经网络算法实现 173
9.4.1 数据预处理 173
9.4.2 神经网络实现函数 174
9.5 MATLAB仿真实例 177
参考文献 185
附录A MATLAB常用命令及函数 187