基于群智能最優(yōu)化算法的投影尋蹤理論（新進展、應用及軟件）

　　本書以統(tǒng)計學、群智能優(yōu)化算法、計算機科學與技術、綜合評價等理論為基礎，論述投影尋蹤分類（PPC）和投影尋蹤回歸（PPR）模型在綜合評價、排序、分類研究，以及有教師值（有監(jiān)督）的綜合評價、數(shù)據(jù)擬合、預測、預警研究中的實踐應用。第一章主要論述PPC、PPR模型的由來、特點、研究新進展及其存在的主要問題；第二章主要介紹目前常用的PP模型、特性、適用條件等；第三章簡要介紹幾種全局搜索能力強和局部收斂較快速的群智能優(yōu)化算法，并進行實證研究；第四章詳細論述一維PPC模型的建模原理、投影窗口半徑等參數(shù)、歸一化方法等對建模結(jié)果的影響等，提出判定優(yōu)化過程求得全局優(yōu)化的定理和推論，論述判斷結(jié)果正確性、合理性的基本原則，并通過大量實例構建一維PPC模型的流程，以及現(xiàn)有研究中存在的主要問題等；第五章通過實證研究論述建立基于單指標區(qū)間評價標準的插值型IPP模型的基本原理、構建原則及其注意事項等；第六章通過實證研究論述建立低維逐次投影尋蹤LDSPPC模型的基本原理、構建原則、適用條件及其注意事項等；第七章通過實例論述建立PPR模型、基于試驗優(yōu)化設計的PPR模型，分析其適用條件和存在的主要問題等；第八章主要論述建立PPTR、PPBP、PPAR、PPARTR、PPARBP等投影尋蹤耦合模型的基本原理、適用條件、存在問題以及開展實證研究等，論述PPBP與BPNN模型的區(qū)別、聯(lián)系及其選用原則等；第九章主要論述建立PP模型與TOPSIS、GRA、ANN、SFA、云模型等組合模型的基本原理、適用條件和存在的主要問題，以及實證研究等；第十章通過實證研究，手把手帶領讀者學習建立PPC、IPP、DCPP、MPPC、PPR、PPAR、PPTR、PPBP、PPARTR等模型，展望PP建模理論與應用研究的發(fā)展趨勢。

暫缺《基于群智能最優(yōu)化算法的投影尋蹤理論（新進展、應用及軟件）》作者簡介