智能算法應用廣泛，與生物學、計算機科學、神經科學、語言學等學科交叉發展，互相影響。本書充分將自然計算、啟發式方法、量子、神經網絡等有機融合，體現了深度的學科交叉。內容豐富，闡述嚴謹，結合近年來智能算法的研究成果，緊跟國內外近期新研究動態，總結國內外發展現狀，闡述編者對相關領域未來發展的思考，分享智能算法領域前沿技術。

●第1章遺傳算法1.1遺傳算法起源1.1.1遺傳算法生物學基礎1.1.2遺傳算法發展歷程1.2遺傳算法實現1.2.1遺傳算法流程1.2.2重要參數1.3基於遺傳算法的組合優化1.3.1基於遺傳算法的TTP問題1.3.2基於遺傳算法的旅行商問題1.3.3基於遺傳算法的01規劃1.4基於遺傳算法的圖像處理1.4.1基於遺傳算法的圖像分割1.4.2基於遺傳算法的圖像增強1.4.3基於遺傳算法的圖像變化檢測1.5基於遺傳算法的社區檢測1.5.1多目標遺傳算法1.5.2遺傳編碼1.5.3Pareto很優解參考文獻第2章免疫算法2.1生物免疫繫統與人工免疫繫統2.2免疫算法實現2.2.1克隆選擇算法2.2.2人工免疫繫統模型2.3基於免疫算法的聚類分析2.3.1聚類問題2.3.2免疫進化方法2.4基於免疫算法的限量弧路由問題2.4.1限量弧路由問題模型2.4.2基於免疫協同進化的限量弧路由問題參考文獻第3章Memetic算法3.1Memetic算法發展歷程3.2Memetic算法實現3.2.1Memetic算法流程3.2.2Memetic算法改進3.2.3Memetic算法研究分類3.3基於Memetic算法的社區檢測3.3.1多目標Memetic優化算法3.3.2局部搜索3.4基於Memetic算法的限量弧路由問題3.4.1路由距離分組3.4.2子問題解的更替3.4.3基於分解的Memetic算法參考文獻第4章粒子群算法4.1粒子群算法起源4.1.1粒子群算法生物學基礎4.1.2粒子群算法發展歷程4.2粒子群算法實現4.2.1基本粒子群算法4.2.2改進粒子群算法4.3基於粒子群算法的圖像處理4.3.1基於粒子群算法的圖像分割4.3.2基於粒子群算法的圖像分類4.3.3基於粒子群算法的圖像匹配4.4基於粒子群算法的優化問題4.4.1基於粒子群算法的旅行商問題4.4.2基於粒子群算法的配送中心選址問題4.4.3基於粒子群算法的函數優化參考文獻第5章蟻群算法5.1蟻群算法起源5.1.1蟻群算法生物學基礎5.1.2蟻群算法發展歷程5.2蟻群算法實現5.2.1蟻群算法流程5.2.2離散域和連續域蟻群算法5.3基於蟻群算法的路徑規劃5.3.1蟻群算法的路徑規劃中的優勢5.3.2算法描述以及實現5.3.3全局路徑規劃方法5.4基於蟻群算法的社區檢測5.4.1多目標蟻群算法5.4.2社區檢測問題的改進參考文獻第6章狼群算法6.1狼群算法起源6.1.1狼群算法生物學基礎6.1.2狼群算法發展歷程6.2狼群算法實現6.2.1狼群算法中的智能行為定義6.2.2狼群算法流程6.3基於狼群算法的函數求解6.3.1數學模型6.3.2函數優化問題6.4基於狼群算法的優化調度問題6.4.1基於狼群算法的電網調度優化6.4.2基於狼群算法的水電站優化調度參考文獻第7章人工蜂群算法7.1人工蜂群算法起源7.1.1人工蜂群算法生物學基礎7.1.2人工蜂群算法發展歷程7.2人工蜂群算法實現7.2.1人工蜂群算法流程7.2.2混合人工蜂群算法7.3基於人工蜂群算法的函數優化7.3.1基於人工蜂群算法的多目標優化問題7.3.2基於人工蜂群算法的動態優化7.4基於人工蜂群算法的圖像處理7.4.1基於人工蜂群算法的圖像增強7.4.2基於人工蜂群算法的圖像分割7.4.3基於人工蜂群算法的圖像融合參考文獻第8章細菌覓食優化算法8.1細菌覓食優化算法起源8.1.1細菌覓食優化算法生物學基礎8.1.2細菌覓食優化算法發展歷程8.2細菌覓食優化算法實現8.2.1細菌覓食優化算法的操作步驟8.2.2細菌覓食算法的流程8.3基於細菌覓食算法的圖像匹配8.3.1自適應步長8.3.2很優解逃逸8.4基於細菌覓食算法的聚類問題8.4.1改進趨化操作8.4.2改進復制操作8.4.3改進遷徙操作參考文獻第9章分布估計算法9.1分布估計算法起源9.1.1分布估計算法統計學原理9.1.2分布估計算法發展歷程9.2分布估計算法實現9.2.1分布估計算法流程9.2.2分布估計算法改進9.3基於分布估計算法的收斂性分析及多目標優化問題9.3.1收斂性分析9.3.2多分布估計算法9.4基於分布估計算法的調度問題9.4.1基於分布估計算法的柔性車間調度9.4.2基於分布估計算法的資源受限項目調度參考文獻第10章差分進化算法10.1差分進化算法與遺傳算法10.1.1遺傳算法流程10.1.2差分進化算法流程10.1.3差分進化算法與遺傳算法的比較10.2差分進化算法實現10.2.1差分進化算法主要參數10.2.2差分進化算法流程10.3基於差分進化算法的多目標優化問題10.3.1混合差分進化處理多目標優化問題10.3.2自適應差分進化處理多目標優化問題10.4基於差分進化算法的調度問題10.4.1基於差分進化算法的置換流水線調度10.4.2基於差分進化算法的有限緩衝區調度10.4.3基於差分進化算法的作業車間調度參考文獻第11章模擬退火算法11.1模擬退火算法起源11.1.1固體退火原理11.1.2模擬退火算法發展歷程11.2模擬退火算法實現11.2.1模擬退火算法基本思想11.2.2模擬退火算法流程11.3基於模擬退火算法的超大規模集成電路研究11.3.1集成電路布線11.3.2優化目標11.4基於模擬退火算法的圖像處理11.4.1基於模擬退火算法的圖像復原11.4.2基於模擬退火算法的圖像去噪11.4.3基於模擬退火算法的圖像分割11.5基於模擬退火算法的組合優化11.5.1基於模擬退火算法的01背包問題11.5.2基於模擬退火算法的圖著色問題11.5.3基於模擬退火算法的旅行商問題參考文獻第12章貪心算法12.1從背包問題了解貪心算法12.2貪心算法實現12.2.1局部很優解概念12.2.2貪心算法流程12.3基於貪心算法的組合優化12.3.1基於貪心算法的背包問題12.3.2基於貪心算法的旅行商問題參考文獻第13章雨滴算法13.1自然降雨現像啟發下的雨滴算法13.2雨滴算法理論基礎13.3基於雨滴算法的多目標優化問題13.3.1基於雨滴算法的多目標應急物資路徑優化13.3.2基於雨滴算法的混合時間窗車輛路徑問題參考文獻第14章禁忌搜索算法14.1禁忌搜索算法起源14.1.1禁忌搜索算法發展歷程14.1.2禁忌搜索算法基本思想14.2禁忌搜索算法實現14.2.1禁忌搜索算法構成要素14.2.2禁忌搜索算法流程14.3基於禁忌搜索的飛蜂窩網絡頻譜分配方法14.3.1算法主要思想及流程14.3.2算法實現具體步驟14.3.3實驗分析參考文獻第15章量子搜索與優化15.1量子計算原理15.1.1狀態的疊加15.1.2狀態的相干15.1.3狀態的糾纏15.1.4量子並行性15.2量子計算智能的幾種模型15.2.1量子人工神經網絡15.2.2基於量子染色體的進化算法15.2.3基於量子特性的優化算法15.2.4量子聚類算法15.2.5量子模式識別算法15.2.6量子小波與小波包算法 15.2.7量子退火算法15.3量子進化算法15.3.1基於量子旋轉門的進化算法15.3.2基於吸引子的進化算法參考文獻第16章量子粒子群優化16.1量子行為粒子群算法16.1.1思想來源16.1.2δ勢阱模型16.1.3算法流程16.2協同量子粒子群優化16.2.1協同量子粒子群算法16.2.2改進的協同量子粒子群算法16.2.3實驗結果及分析16.3基於多次坍塌正交交叉的量子粒子群優化16.3.1量子多次坍塌16.3.2正交交叉實驗簡介16.3.3多次坍塌正交交叉的量子粒子群算法16.3.4實驗及分析參考文獻第17章最小二乘法17.1最小二乘法數學基礎17.2最小二乘法流程17.3最小二乘法在機器學習中的應用參考文獻第18章A*算法18.1最短路徑搜索18.2A*算法實現18.2.1A*算法原理18.2.2A*算法簡單案例18.3A*算法的優勢與缺陷參考文獻第19章神經網絡算法 19.1神經網絡算法起源19.1.1學說19.1.2神經網絡算法發展歷程19.2神經網絡算法實現19.2.1神經網絡構成要素19.2.2典型神經網絡結構19.3基於神經網絡算法的圖像處理19.3.1基於神經網絡算法的圖像分割19.3.2基於神經網絡算法的圖像修復19.3.3基於神經網絡算法的目標檢測與識別19.4基於神經網絡算法的預測控制19.4.1基於神經網絡算法的預測模型19.4.2神經網絡預測控制中的滾動優化參考文獻第20章深度學習算法20.1深度學習算法與神經網絡20.2深度學習算法實現20.2.1深度概念20.2.2深度學習算法基本思想20.2.3深度模型優化20.3基於深度學習算法的計算機視覺20.3.1基於深度學習算法的人臉識別20.3.2基於深度學習算法的目標跟蹤20.4基於深度學習算法的語音識別20.4.1基於深度學習算法的聲學模型20.4.2基於深度學習算法的語言模型參考文獻第21章強化學習21.1強化學習模型21.1.1強化學習思路21.1.2基於馬爾可夫決策過程的強化學習21.2逆向強化學習21.2.1優選邊際規劃21.2.2基於優選信息熵的逆向強化學習21.3基於多尺度FCNCRF網絡和強化學習的高分辨SAR圖像語義分割21.3.1深度強化學習21.3.2SAR圖像語義分割動態調優策略21.3.3算法實現21.3.4實驗結果參考文獻第22章混合智能算法22.1粒子群深度網絡模型及學習算法22.1.1PSO自編碼網絡22.1.2自適應PSO自編碼網絡22.1.3模擬退火PSO算法自編碼網絡22.1.4實驗與分析22.2混沌模擬退火深度網絡模型及學習算法22.2.1混沌模擬退火深度網絡學習算法22.2.2混沌模擬退火自編碼網絡22.2.3混沌模擬退火深度小波網絡22.2.4實驗與分析參考文獻

本書有機融合自然計算、啟發式方法、量子、神經網絡等智能理論和前沿技術，對遺傳算法、免疫算法、粒子群算法、蟻群算法等22種智能算法的起源、理論基礎、基本框架和典型應用進行了詳細論述，在此基礎上，針對相關領域中的典型問題給出智能算法的應用示例。本書可以為計算機科學、信息科學、人工智能、自動化技術等領域相關專業技術人員提供參考，也可以作為相關專業研究生和高年級本科生教材。

尚榮華、焦李成、劉芳、李陽陽 著