再上一篇: 第 1 章  引  言
上一篇:1. 2  最优化技术综述
主页
下一篇:1. 4  习题
再下一篇: 第 2 章  启发式搜索方法
文章列表

1. 3  本书的结构

《用于最优化的计算智能》 Nirwan Ansari Edwin Hou 著 李军 边肇祺 译 清华大学出版社

本书分为两部分,其中第2~6章介绍5种先进优化算法的背景和理论,第7~14章描述这些算法在不同工程领域里的实际应用。具体而言,第2章讨论以A* 算法为主的启发式搜索方法,包括图表示、图搜索算法、启发式算法、* 算法和可容性。第3章描述霍普

A

费尔德神经网络,并讨论如何将一个有约束条件的最优化问题转化为一个可用霍氏网求解的无约束条件的最优化问题。第4章从最初的麦绰泼里斯(Metropolis)算法入手,沿着模拟退火算法的发展途径叙述了用模拟退火取代霍氏网中的确定性规则从而推导出随机机的各种方法。第5章描述如何利用神经网络中神经元的热均值来近似模拟退火的随机过程。这一称为均场退火的近似方法提供了寻找最优解的有效方法。第6章深入探讨遗传算法,包括遗传算法的简介、遗传操作及其分析等。第7章讨论旅行商问题,并给出分别用启发式搜索、模拟退火算法、霍氏网和遗传算法求解的方法。第8章以均场退火在卫星广播调度和集成TDMA 通信系统数据吞吐量最大化中的应用为例,描述优化算法在远程通信中的应用。第9章讨论计算机视觉中十分重要的点模式匹配问题,并给出基于模拟退火和遗传算法的求解方法。第10章讨论多处理机系统中的任务调度问题及其基于均场退火和遗传算法的两种不同求解方法。第11章讨论制造系统中的作业调度问题。这一章还要讨论这一问题基于遗传算法的求解方法,并与传统方法加以比较。

本书采用模块式结构,第一部分中每章都可单独学习,然后可从第二部分有关应用的章节中获取更多的技术细节。