久久无码高潮喷吹免费,无码av看免费大片在线网站

內(nèi)容簡介

　　《現(xiàn)代智能仿生算法及其應(yīng)用》從仿生學(xué)的角度出發(fā)，研究了智能科學(xué)的發(fā)展方向，全面系統(tǒng)地提出了智能仿生算法的概念及其研究內(nèi)容，詳細(xì)介紹了目前常用的幾種主要智能仿生算法，主要介紹了作者近年來在智能仿生算法及其應(yīng)用方面的一些研究成果。其內(nèi)容包括改進的多種進化神經(jīng)網(wǎng)絡(luò)及其在預(yù)測及擬合方面的應(yīng)用；改進的快速遺傳算法及進化規(guī)劃；相遇蟻群算法、獎懲蟻群算法、免疫連續(xù)蟻群算法、篩選蟻群算法以及它們在滑坡工程、復(fù)雜tsp等問題上的應(yīng)用；另外，還介紹了免疫遺傳算法、免疫進化規(guī)劃等。為了內(nèi)容的系統(tǒng)全面性，最后簡單介紹幾個新近發(fā)展的新算法，即模擬魚群行為的魚群算法、模擬人口遷移的遷移算法、模擬蜂群行為的蜂群算法等?！冬F(xiàn)代智能仿生算法及其應(yīng)用》可供從事計算機科學(xué)、計算智能、人工智能等專業(yè)的研究人員參考，也可作為研究智能仿生算法及應(yīng)用的科技人員的參考書和研究生教材。

作者簡介

暫缺《現(xiàn)代智能仿生算法及其應(yīng)用》作者簡介

圖書目錄

1 緒論
1.1 智能科學(xué)及其內(nèi)容
1.2 智能仿生算法及其內(nèi)容
參考文獻
2 人工神經(jīng)網(wǎng)絡(luò)
2.1 人工神經(jīng)網(wǎng)絡(luò)的生物基礎(chǔ)
2.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
2.3 人工神經(jīng)網(wǎng)絡(luò)的基本模型及其算法
2.4 bp網(wǎng)絡(luò)及其改進
2.5 人工神經(jīng)網(wǎng)絡(luò)在非線性時序預(yù)測中的應(yīng)用研究
參考文獻
3 進化算法
3.1 進化算法的生物基礎(chǔ)
3.2 進化算法的分類
3.3 遺傳算法
3.4 進化規(guī)劃
3.5 進化策略及遺傳規(guī)劃
3.6 進化算法的設(shè)計
參考文獻
參考文獻
附錄a 用于無約束優(yōu)化的典型測試函數(shù)
附錄b 用于約束優(yōu)化的典型測試函數(shù)
4 進化神經(jīng)網(wǎng)絡(luò)
4.1 進化神經(jīng)網(wǎng)絡(luò)的生物基礎(chǔ)
4.2 進化神經(jīng)網(wǎng)絡(luò)的基本模型
4.3 進化神經(jīng)網(wǎng)絡(luò)算法
4.4 進化神經(jīng)網(wǎng)絡(luò)的應(yīng)用
參考文獻
5 蟻群算法
5.1 蟻群算法的生物基礎(chǔ)
5.2 蟻群算法的基本模型
5.3 蟻群算法的改進研究
5.4 改進蟻群算法的應(yīng)用
5.5 蟻群算法的其他模型及其應(yīng)用
5.6 蟻群算法的典型應(yīng)用
5.7 蟻群算法的比較研究
參考文獻
6 粒子群優(yōu)化算法
6.1 引言
6.2 生物學(xué)背景：人工生命
6.3 算法介紹
6.4 粒子群優(yōu)化算法的參數(shù)設(shè)置
6.5 遺傳算法和粒子群優(yōu)化算法的比較
6.6 粒子群優(yōu)化算法和人工神經(jīng)網(wǎng)絡(luò)的融合
6.7 粒子群優(yōu)化算法的應(yīng)用
6.8 粒子群優(yōu)化算法的發(fā)展
7 免疫算法
7.1 免疫算法的生物學(xué)基礎(chǔ)——生物免疫系統(tǒng)
7.2 免疫算法的基本模型及算法
7.3 免疫算法與其他算法的結(jié)合
7.4 人工免疫系統(tǒng)的應(yīng)用
7.5 人工免疫系統(tǒng)的發(fā)展
參考文獻
8 細(xì)胞自動機
8.1 細(xì)胞自動機簡介
8.2 細(xì)胞自動機的一般描述
8.3 細(xì)胞自動機的物理描述
8.4 細(xì)胞自動機的數(shù)學(xué)描述
8.5 細(xì)胞自動機的特征
8.6 細(xì)胞自動機的典型應(yīng)用
參考文獻
9 智能仿生算法的新進展
9.1人工魚群算法
9.2 人口遷移算法
9.3人工蜂群算法
參考文獻