图书介绍
蚁群算法及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 李士勇，陈永强，李研编著 著
- 出版社： 哈尔滨：哈尔滨工业大学出版社
- ISBN：7560320589
- 出版时间：2004
- 标注页数：245页
- 文件大小：13MB
- 文件页数：256页
- 主题词：
PDF下载
下载说明
蚁群算法及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
目录1
第1章 绪论1
1.1 蚂蚁的基本习性1
1.1.1 蚂蚁的信息系统1
1.1.2 蚁群社会的遗传与进化2
1.2 蚁群觅食行为与觅食策略2
1.2.1 蚂蚁的觅食行为2
1.2.2 蚂蚁的觅食策略3
第7章 自适应蚁群算法8
1.3 人工蚁群算法的基本思想14
1.3.1 人工蚁与真实蚂蚁的异同15
1.3.2 人工蚁群算法的实现过程17
1.4.1 蚁群优化算法的意义18
1.4 蚁群优化算法的意义及应用18
1.4.2 蚁群算法的应用19
1.5 蚁群算法的展望21
第2章 蚂蚁系统——蚁群算法的原型22
2.1 蚂蚁系统模型的建立22
2.2 蚁量系统和蚁密系统的模型24
2.3 蚁周系统模型26
第3章 改进的蚁群优化算法29
3.1 带精英策略的蚂蚁系统29
3.2 基于优化排序的蚂蚁系统30
3.3 蚁群系统31
3.3.1 蚁群系统状态转移规则32
3.3.2 蚁群系统全局更新规则33
3.3.3 蚁群系统局部更新规则33
3.3.4 候选集合策略33
3.4 最大-最小蚂蚁系统35
3.4.1 信息素轨迹更新35
3.4.2 信息素轨迹的限制36
3.4.3 信息素轨迹的初始化37
3.5 最优-最差蚂蚁系统38
3.5.1 最优-最差蚂蚁系统的基本思想38
3.4.4 信息素轨迹的平滑化38
3.5.2 最优-最差蚂蚁系统的工作过程39
第4章 蚁群优化算法的仿真研究41
4.1 蚂蚁系统三类模型的仿真研究42
4.1.1 三类模型性能的比较42
4.2.2 基于统计的参数优化42
4.2 基于蚁群系统模型的仿真研究46
4.2.1 局部优化算法的有效性46
4.2.2 蚁群系统与其他启发算法的比较47
4.3 最大-最小蚂蚁系统的仿真研究48
4.3.1 信息素轨迹初始化研究48
4.3.2 信息素轨迹量下限的作用50
4.3.3 蚁群算法的对比50
4.4 最优-最差蚂蚁系统的仿真研究51
4.4.1 参数ε的设置51
4.4.2 几种改进的蚁群算法比较52
5.1 遗传算法53
5.1.1 遗传算法与自然选择53
第5章 蚁群算法与遗传、模拟退火算法的对比53
5.1.2 遗传算法的基本步骤54
5.1.3 旅行商问题的遗传算法实现55
5.2 模拟退火算法57
5.2.1 物理退火过程和Metropolis准则57
5.2.2 模拟退火法的基本原理58
5.3 蚁群算法与遗传算法、模拟退火算法的比较59
5.3.1 三种算法的优化质量比较59
5.3.2 三种算法收敛速度比较59
5.3.3 三种算法的特点与比较分析61
第6章 蚁群算法与遗传、免疫算法的融合63
6.1 遗传算法与蚂蚁算法融合的GAAA算法63
6.1.1 遗传算法与蚂蚁算法融合的基本思想63
6.1.2 GAAA算法中遗传算法的结构原理63
6.1.3 GAAA算法中蚂蚁算法的设计64
6.1.4 GAAA算法对TSP问题的仿真结果65
6.2.1 ASGA系统68
6.2 同遗传算法整合的蚂蚁系统ASGA68
6.2.2 利用ASGA的寻径方法70
6.2.3 寻径问题的AS解决方法71
6.3 具有变异特征的蚁群算法72
6.3.1 基本蚁群算法的分析72
6.3.2 具有变异特征的蚁群算法72
6.3.3 具有变异特征的蚁群算法实验结果73
6.4 基于免疫的蚁群优化算法75
6.4.1 蚁群优化算法75
6.4.2 局部搜索和模拟退火算法76
6.4.3 基于免疫的蚁群优化算法78
6.4.4 在解决武器目标分配问题中的应用81
7.1 基于调节信息素挥发度的自适应蚁群算法84
7.1.1 基本蚁群系统模型84
7.1.2 一种自适应蚁群算法85
7.1.3 对TSP问题的仿真结果86
7.2 具有分工的自适应蚁群算法87
7.2.1 基本蚁群算法模型88
7.2.2 对基本蚁群算法的改进策略89
7.2.3 蚁群中的工作分工90
7.2.4 在组合优化及函数优化问题中的应用93
7.3 基于协同学习机制的蚁群算法96
7.3.1 基于协同学习的蚁群系统算法96
7.3.2 基于协同工作机制的增强蚁群算法99
8.1.1 并行计算机及其分类105
8.1.2 并行算法的设计105
第8章 并行蚁群算法105
8.1 并行算法的基本概念105
8.1.3 并行算法的性能评价106
8.2 蚁群算法的并行实现107
8.2.1 蚁群搜索算法的原理107
8.2.2 常用的并行策略108
8.2.3 用于TSP问题的并行蚂蚁算法110
8.3 二次分配问题的并行蚁群算法114
8.2.4 结论114
8.3.1 二次分配问题的蚁群算法115
8.3.2 QAP的蚁群算法步骤115
8.3.3 并行蚁群模型117
8.3.4 实验结果比较与结论118
8.4 接线路径优化的蚁群并行算法123
8.4.1 接线路径优化问题123
8.4.2 蚁群算法与路径优化124
8.4.3 基于MPI的蚁群并行算法125
8.4.4 仿真结果及分析126
第9章 蚁群算法的收敛性与蚁群行为模型128
9.1 基于Markov过程的蚂蚁算法收敛性分析128
9.1.1 简单蚂蚁算法（SAA）的描述128
9.1.2 简单蚂蚁算法的收敛性分析129
9.1.3 SAA算法在函数优化中的应用134
9.2 基于图解的蚂蚁系统及其收敛性135
9.2.1 基于蚂蚁优化的基本思想135
9.2.2 基于图解的蚂蚁系统136
9.2.3 基于图解的蚂蚁系统的收敛性140
9.2.4 基于图解的蚂蚁系统收敛性的一般解149
9.3 基于波函数的蚁群行为模型150
9.3.1 蚂蚁群体行为的自组织机制151
9.3.2 蚁群活动的波函数描述模型152
9.3.3 检验蚂蚁行为模型的实验设想154
第10章 蚁群算法在优化问题中的应用156
10.1 蚁群算法在求解优化问题中的应用概况156
10.1.1 在静态组合优化中的应用156
10.1.2 在动态组合优化中的应用157
10.1.4 在其他领域的应用158
10.1.3 在求解连续空间优化问题中的应用158
10.2 蚁群优化（ACO）算法在动态组合优化中的应用159
10.2.1 电信网路由及其选择方法159
10.2.2 基本动态路由方法161
10.2.3 网络路由与蚁群优化算法162
10.3应 用蚂蚁算法对QoS组播路由问题求解168
10.3.1 QoS组播路由模型168
10.3.2 基于蚂蚁算法的QoS组播路由问题169
10.3.3 实验结果及分析对比171
10.4.1 热电联产经济调度问题的描述174
10.4 改进的蚁群搜索算法在热电联产经济调度中的应用174
10.4.2 简单的蚁群搜索算法及其在CHP中的困难175
10.4.3 改进蚁群搜索算法的技术176
10.4.4 数字测试结果及结论179
10.5 蚁群算法在机器人中的应用181
10.5.1 蚁群优化算法在机器人路径规划中的应用181
10.5.2 蚁群算法在多机器人协作策略中的应用185
10.6 应用蚁群优化算法学习模糊规则189
10.6.1 基于模糊规则的系统189
10.6.2 模糊规则学习问题190
10.6.3 模糊规则学习的蚁群优化算法191
10.6.4 在模糊建模和电力工程中的应用194
附录197
附录1 常用的几种蚁群算法伪码程序197
附录2 旅行商问题的蚁群算法源程序204
蚂蚁 系统和蚁群系统的源程序204
最大-最小蚂蚁系统和最优-最差蚂蚁系统的源程序216
附录3 TSP Benchmark问题232
参考文献236