注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網絡人工智能自然計算導論

自然計算導論

自然計算導論

定 價:¥58.00

作 者: 吳啟迪 等著
出版社: 上??茖W技術出版社
叢編項:
標 簽: 人工智能

購買這本書可以去


ISBN: 9787547805671 出版時間: 2011-01-01 包裝: 平裝
開本: 16開 頁數: 209 字數:  

內容簡介

  本書是作者在計算智能方向的系統(tǒng)性研究成果。它緊跟國內外自然計算領域最新的研究動態(tài),從自然辯證的哲學角度,對目前受到關注的各種自然計算模式及其應用領域進行系統(tǒng)的綜述,考慮到各類自然計算模式內在的群體協(xié)同“進化”(尋優(yōu))機制的普適性,提出基于群體智能理解的自然計算統(tǒng)一性理念,并以幾種典型實現模式為例,分別進行具體的形式化描述和統(tǒng)一框架建模,使各類自然計算理念從宏觀到微觀再到宏觀、從統(tǒng)一性到多樣性再到統(tǒng)一性得到較為系統(tǒng)的展現,以期能為相關領域的研究和應用提供新的思路和方法。本書可供智能科學、自動化、計算機科學、電子信息等相關領域的研究生、教師、科研人員以及工程技術人員參考使用,也可供高年級本科生作為開拓視野、增長知識的閱讀材料。

作者簡介

暫缺《自然計算導論》作者簡介

圖書目錄

第1章 緒論
1.1 從仿生學人工智能到自然計算
1.2 自然計算
1.3 自然計算的主要研究分支
1.3.1 進化計算
1.3.2 群體智能
1.3.3 生物啟發(fā)計算
1.3.4 生態(tài)計算
1.3.5 復雜自適應計算
第2章 自然計算的研究綜述與統(tǒng)一模型
2.1 自然計算的實現模式總覽
2.2 自然計算模式綜述
2.2.1 元胞自動機
2.2.2 模擬退火算法
2.2.3 人工蜂群算法
2.2.4 人工魚群算法
2.2.5 群搜索優(yōu)化
2.2.6 細菌覓食算法
2.2.7 細菌趨藥性算法
2.2.8 差分進化
2.2.9 DNA計算
2.2.10 量子計算
2.2.11 復雜自適應系統(tǒng)
2.2.12 混沌優(yōu)化
2.2.13 生物地理學優(yōu)化
2.2.14 自組織遷移算法
2.2.15 膜計算
2.2.16 文化基因算法
2.2.17 文化算法
2.2.18 情感計算
2.2.19 社會認知優(yōu)化
2.3 自然計算的應用與發(fā)展趨勢
2.3.1 自然計算應用領域綜述
2.3.2 應用分析與展望
2.4 自然計算的統(tǒng)一模型
2.4.1 自然計算模式的總體形式化描述
2.4.2 自然計算模式的統(tǒng)一框架理念
第3章 進化計算
3.1 遺傳算法概述
3.1.1 遺傳算法的產生
3.1.2 遺傳算法的基本思想
3.1.3 遺傳算法基本操作
3.1.4 遺傳算法的特點
3.2 遺傳算法研究進展
3.2.1 基本操作方法的改進研究
3.2.2 編碼方法的改進研究
3.2.3 保持群體多樣性方法的研究
3.3 遺傳算法的收斂性研究
3.3.1 遺傳算法的一般收斂性理論
3.3.2 遺傳算法的馬爾可夫鏈模型
3.3.3 遺傳算法的收斂性分析
3.4 遺傳算法的基本流程
3.5 遺傳算法的形式化描述
3.6 遺傳算法的自然計算框架模型
3.7 小結
第4章 分布估計算法
4.1 分布估計算法概述
4.1.1 分布估計算法起源
4.1.2 分布估計算法的基本思想
4.2 分布估計算法的基本流程
4.3 分布估計算法的研究進展
4.3.1 離散的分布估計算法
4.3.2 連續(xù)的分布估計算法
4.3.3 分布估計算法的理論研究
4.3.4 分布估計算法的研究熱點
4.4 分布估計算法的形式化描述
4.5 分布估計算法的自然計算框架模型
4.6 小結
第5章 神經網絡計算
5.1 人工神經網絡概述
5.1.1 人工神經元模型
5.1.2 人工神經網絡模型
5.1.3 神經網絡學習(訓練)方法
5.1.4 人工神經網絡的特點
5.2 人工神經網絡的總體形式化描述
5.3 Hopfield神經網絡的自然計算框架描述
5.3.1 Hopfield神經網絡
5.3.2 Hopfield神經網絡的形式化描述
5.3.3 Hopfield神經網絡的自然計算框架模型
5.4 RBF神經網絡的自然計算框架描述
5.4.1 徑向基函數(RBF)神經網絡
5.4.2 RBF神經網絡的形式化描述
5.4.3 RBF神經網絡的自然計算框架模型
5.5 小結
第6章 群體智能——蟻群算法
6.1 蟻群算法概述
6.1.1 蟻群算法的起源
6.1.2 蟻群個體的運動規(guī)則
6.1.3 實例說明及應用狀況
6.2 蟻群算法的研究進展
6.2.1 蟻群算法的改進
6.2.2 蟻群算法的收斂性研究
6.2.3 蟻群算法的仿真和實現
6.2.4 蟻群算法的應用
6.3 蟻群算法描述
6.3.1 用于求解TSP問題的蟻群算法定義
6.3.2 蟻群算法的形式化描述
6.4 蟻群算法的自然計算框架模型
6.5 小結
第7章 群體智能——微粒群算法
7.1 微粒群算法概述
7.2 微粒群算法描述
7.2.1 微粒群算法的基本原理
7.2.2 微粒群算法的數學描述
7.2.3 微粒群算法流程
7.3 微粒群算法研究進展
7.3.1 微粒群算法的改進研究
7.3.2 微粒群算法的應用
7.3.3 微粒群算法的收斂性研究
7.3.4 微粒群算法的參數效能分析
7.4 微粒群算法的形式化描述
7.5 微粒群算法的自然計算框架模型
7.6 小結
第8章 免疫計算
8.1 人工免疫系統(tǒng)概述
8.1.1 人工免疫系統(tǒng)
8.1.2 人工免疫系統(tǒng)的研究概況
8.1.3 人工免疫系統(tǒng)的應用
8.2 人工免疫算法
8.2.1 概述
8.2.2 典型的人工免疫算法
8.2.3 人工免疫算法的收斂性分析
8.2.4 人工免疫算法的工程應用
8.3 標準人工免疫算法描述
8.4 人工免疫算法的形式化描述
8.5 人工免疫算法的自然計算框架模型
8.6 小結
第9章 人工內分泌系統(tǒng)
9.1 人工內分泌系統(tǒng)概述
9.1.1 內分泌系統(tǒng)
9.1.2 人工內分泌系統(tǒng)研究現狀
9.2 人工內分泌系統(tǒng)描述
9.2.1 人工內分泌網絡模型定義
9.2.2 人工內分泌網絡的動力學描述
9.2.3 網絡模型的自適應調節(jié)
9.3 基于人工內分泌網絡模型的行為控制算法
9.4 人工內分泌網絡的形式化描述
9.5 人工內分泌系統(tǒng)的自然計算框架模型
9.6 小結
后記
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.autoforsalebyowners.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號