✍ Scribed by 刘勇.
No coin nor oath required. For personal study only.
智能优化算法
第一章遗传算法
1.1 算法原理
1.2 算法模型
1.3 算法分析
1.4理论基础
1.5应用 案例
第二章神经网络
2.1算法原理
2.2 算法模型
2.3 应用案例
第三章蚁群优化算法
3.1 算法原理
3.2 算法模型
3.3算法分析
3.4理论研究
3.5应用案例
第四章微粒群优化算法
4.1 算法原理
4.2 算法模型
4.3 算法分析
4.4 理论基础
4.5应用 案例
第五章人工蜂群优化算法
5.1 算法原理
5.2 算法模型
5.3 应用案例
第六章蝙蝠算法
6.1 算法原理
6.2 算法模型
6.3 理论研究
6.4应用案例
第七章萤火虫群优化算法
7.1 算法原理
7.2 算法模型
7.3 应用案例
第八章布谷鸟搜索算法
8.1 算法原理
8.2 算法模型
8.3 应用案例
第九章人工鱼群算法
9.1 算法原理
9.2 算法模型
9.3 应用案例
第十章细菌觅食优化算法
10.1 算法原理
10.2 算法模型
10.3 应用案例
第十一章生物地理学优化算法
11.1 算法原理
11.2 算法模型
11.3 应用案例
第十二章模拟植物生长算法
12.1 算法原理
12.2 算法模型
12.3 应用案例
12.4 数值实验
参考文献
第十三章模拟退火算法
13.1 算法原理
13.2 算法模型
13.3 理论基础
13.4应用案例
第十四章引力搜索算法
14.1 算法原理
F=G
14.2 算法模型
14.3 应用案例
第十五章混沌优化算法
15.1 算法原理
15.2 算法模型
15.3 应用案例
第十六章随机分形搜索算法
16.1 算法原理
16.2 算法模型
16.3应用案例
第十七章光学优化算法
17.1 算法原理
17.2 算法模型
17.3应用案例
第十八章量子优化算法
18.1 算法原理
18.2 算法模型
18.3应用案例
参考文献
第十九章禁忌搜索算法
19.1 算法原理
19.2 算法模型
19.3应用案例
第二十章差分进化算法
20.1算法模型
20.2理论基础
20.3应用案例
第二十一章和声搜索算法
21.1算法原理
21.2算法模型
21.3应用案例
第二十二章大洪水算法
22.1 算法原理
22.2 算法模型
22.3 应用案例
第二十三章正弦余弦算法
23.1 算法模型
23.2 应用案例
第二十四章竞争决策算法
24.1 算法原理
24.2 算法模型
24.3 应用案例
第二十五章文化算法
25.1 算法原理
25.2 算法模型
25.3 应用案例
参考文献
1.蚁群优化算法主要程序(Delphi代码)
2.微粒群优化算法主要程序（Python代码）
3.人工蜂群优化算法主要程序（Java代码）
4.生物地理学优化算法主要程序(Matlab代码)
5.模拟退火算法主要程序(Python代码)
6.差分进化算法主要程序（Fortran代码）
7.正弦余弦算法主要程序（Matlab代码）
📜 SIMILAR VOLUMES
<p>智能优化算法与涌现计算是多种前沿学科交叉融合的结晶。主要包括：模拟人脑思维、人体细胞、器官等的仿人智能优化算法；模拟群居动物觅食或繁殖行为的群智能优化算法；模拟人类社会进化的进化算法；模拟植物生长的仿生算法；模拟自然现象或规律的自然计算；模拟复杂适应系统涌现行为的涌现计算等80余种算法。本书可作为智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、科研人员的参考书。</p>
本书针对盲均衡理论与算法研究中初始权向量优化的难题，以智能群算法和智能计算理论为工具，开展了盲均衡算法性能优化的研究。主要内容有： 基于遗传算法(含自适应遗传算法、模拟退火遗传算法和改进混合遗传算法)优化的正交小波类盲均衡算法； 基于混沌算法或混沌支持向量机算法优化的正交小波加权多模盲均衡算法； 基于免疫克隆算法优化的正交小波盲均衡算法及正交小波支持向量机盲均衡算法； 基于粒子群算法(免疫克隆粒子群算法、量子粒子群算法及动态粒子群算法)优化的正交小波类盲均衡算法； 基于人工鱼群算法(模拟退火与人工鱼群变异混合算法、混沌人工鱼群算法、免疫人工鱼群算法、量子人工鱼群算法)优化的多模盲均衡算法； 基
本书是一本简明的 MATLAB 优化算法综合性参考书，以 MATLAB R2016b 软件版本为基础，根据常用优化算法编写，包含多种优化算法的 MATLAB 应用方法，是读者掌握 MATLAB 在优化算法中应用的有力工具。 全书分为四个部分共 18 章，包括 MATLAB 应用基础、常规优化算法、智能优化算法和综合应用。第一部分从 MATLAB 基础知识开始，详细介绍编程和程序设计、二维绘图、三维绘图、GUI 应用等内容；第二部分介绍 MATLAB 线性规划、非线性规划、无约束一维极值、无约束多维极值、约束优化方法、二次规划、多目标函数的优化方法等内容；第三部分介绍免疫优化算法及其 MATLA
<p>《数值最优化算法与理论(第2版)》较为系统地介绍最优化领域中比较成熟的基本理论与方法。基本理论包括最优化问题解的必要条件和充分条件以及各种算法的收敛性理论。介绍的算法有：无约束问题的最速下降法、Newton法、拟Newton法、共轭梯度法、信赖域算法和直接法；非线性方程组和最小二乘问题的Newton法和拟Newton法；约束问题的罚函数法、乘子法、可行方向法、序列二次规划算法和信赖域算法等。还介绍了线性规划的基本理论与单纯形算法以及求解二次规划的有效集法。并简单介绍了求解全局最优化问题的几种常用算法。</p> <p>作为基本工具，《数值最优化算法与理论(第2版)》在附录中简要介绍了求解
<p>【内容简介】</p> <p>本书在简要阐述智能优化方法相关理论的基础上，介绍了蚁群智能优化方法的基本原理与算法主要要素等基本内容。同时，介绍蚁群智能优化方法在旅行商问题、背包问题、定向问题、属性约简、卫星资源调度问题以及多目标组合优化问题等复杂组合优化问题的应用示例，详细阐述蚁群智能优化方法在具体应用中的的基本设计方法以及算法性能改善的有效途径。 本书适合作为从事智能优化方法及其应用研究的相关科技工作者、专业技术人员的参考书，也可作为计算机学科、控制科学等专业研究生和高年级本科生学习蚁群智能优化方法的指导用书。</p> <p>【编辑推荐】</p> <p>蚁群智能优化方法是一类全局寻