| 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 基干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5.3 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 |
内容加载中，请稍后...
商品评论（0条）