群智能优化算法是一个方兴未艾的研究领域，本书涉及了很广泛的一类群智能优化算法。全书共分六篇，分别阐述了作者近年来在(广义染色体)遗传算法、粒子群算法、蚁群算法、免疫算法、细菌觅食算法和Memetic算法等典型群智能优化算法方面的研究成果，并结合(广义)旅行商问题、车间调度问题等给出了算法的数值实验结果。
本书可供计算机科学、信息科学、人工智能、自动化、计算科学等相关领域的研究生、教师、科研人员以及工程技术人员参考使用，也可供高年级本科生作为开拓视野、增长知识的材料阅读。
样章试读
目录
- 前言
绪论
第一篇 遗传算法
第1章 遗传算法简介
1.1 遗传算法的发展历史
1.2 遗传算法的基本原理
1.3 遗传算法的数学机理
1.4 遗传算法的特点
参考文献
第2章 遗传算法求解传统旅行商问题
2.1 TSP的数学描述
2.2 求解TSP的遗传算法
2.3 模拟实验结果与分析
本章小结
参考文献
第3章 遗传算法求解有约束旅行商问题
3.1 三类有约束的TSP
3.2 有约束TSP的求解
3.3 模拟实验结果
本章小结
参考文献
第4章 遗传算法求解广义旅行商问题
4.1 广义旅行商问题
4.2 广义染色体遗传算法
4.3 广义染色体遗传算法的若干分析
4.4 数值模拟实验
本章小结
参考文献
第二篇 粒子群优化算法
第5章 粒子群优化简介
5.1 粒子群优化算法原理
5.2 粒子群优化算法同其他算法的比较
5.3 粒子群优化算法应用
本章小结
参考文献
第6章 离散PSO算法解决(广义) 旅行商问题
6.1 离散PSO算法及其在TSP中的应用
6.2 离散PSO算法在广义TSP中的扩展
参考文献
第7章 基于粒子群优化的车间作业调度问题求解
7.1 车间调度问题描述
7.2 调度性能指标与调度解分类
7.3 基于粒子群优化的JSSP求解
7.4 数值模拟实验
参考文献
第三篇 蚁群算法
第8章 蚁群算法简介
8.1 蚁群算法起源及发展
8.2 蚁群算法的原理
8.3 蚁群算法的特点
参考文献
第9章 蚁群算法在求解旅行商问题中的应用
9.1 基本蚁群算法求解旅行商问题
9.2 蚁群算法求解广义旅行商问题
9.3 蚁群算法求解带时间窗的利润收集TSP
参考文献
第10章 蚁群算法在求解车间调度问题中的应用
10.1 相遇算法
10.2 Job-Shop问题的图形化定义
10.3 求解Job-Shop问题的相遇算法
10.4 MMMS与SA的混合算法求解Job-Shop问题
10.5 数值模拟实验
参考文献
第四篇 免疫算法
第11章 免疫算法简介
11.1 人工免疫系统的概念与范畴
11.2 人工免疫系统原理
11.3 免疫算法与体液免疫的关系
11.4 免疫算法的运行机制
参考文献
第12章 基于人工免疫系统的旅行商问题求解
12.1 亲和度
12.2 变异操作
12.3 克隆选择
12.4 疫苗接种
12.5 免疫记忆
12.6 算法步骤
12.7 数值模拟实验
参考文献
第13章 基于人工免疫系统的车间作业调度问题求解
13.1 抗体群初始化算法
13.2 亲和力的计算和调整
13.3 克隆选择
13.4 疫苗接种和变异
13.5 受体编辑
13.6 基于免疫系统求解车间作业调度问题的流程
13.7 数值模拟实验
参考文献
第五篇 其他群智能优化算法
第14章 细菌觅食算法
14.1 算法简介
14.2 细菌觅食算法分析
14.3 求解车间调度问题
14.4 仿真实验及结果分析
本章小结
参考文献
第15章 Memetic算法
15.1 算法简介
15.2 算法实现框架
15.3 克隆选择Memetic算法
15.4 数值模拟试验及结果
本章小结
参考文献
第六篇 混合群智能优化算法及应用
第16章 基于隐马尔可夫模型和免疫粒子群优化的多序列比对算法
16.1 多重序列比对与HMM简介
16.2 免疫粒子群优化算法
16.3 基于IPSO的多序列比对
16.4 数值模拟实验
本章小结
参考文献
第17章 粒子—免疫算法求解车间作业调度问题
17.1 基于PSO和AIS的混合智能算法
17.2 数值模拟实验及结果
参考文献
第18章 基于群智能的混合算法
18.1 基于群智能的混合模式
18.2 各种混合模式的分析
18.3 数值计算及结果比较
本章小结
参考文献
京公网安备 11010102004214号