内容简介
本书主要论述了智能算法中的免疫算法、分形编码算法、蚁群优化算法和支持向量机等问题。首先针对几类不同类型的一般性最优化问题，建立相应的基于免疫的算法，并进行理论和应用研究；其次介绍分形编码算法的理论基础及实现，探讨该算法的改进和应用：然后介绍蚁群优化算法的基本原理及并行实现，探讨其在工程问题中的应用；最后介绍支持向量机的统计学习理论基础，研究其在数据分类、故障诊断及故障预测中的应用。全书取材新颖，覆盖面较广，深入浅出，注重算法的理论依据、应用思路及应用效果，体现了国内外在这方面研究的最新研究进展．本书可作为从事计算智能研究的科研人员及工程技术人员的参考书，也可供高等工科院校自动控制、计算机、通讯及导航与制导等相关专业的教师及研究生阅读。
图书目录
前言
第一章绪论
第一节人工免疫系统概述
第二节分形编码概述
第三节蚁群优化概述
第四节支持向量机概述
第一部分免疫优化及免疫网络算法理论和应用
第二章免疫学基本理论及人工免疫系统概论
第一节免疫学基本概念及原理
第二节人工免疫系统概述
第三节本篇研究的主要内容及意义
第四节最优化问题及分类
第五节测试问题及性质分析
第六节本章小结
参考文献
第三章免疫算法理论及应用
第一节引言
第二节免疫算法的概念及工作原理
第三节免疫算子及相关概念
第四节突变规则
第五节免疫算法描述
第六节算法收敛性概念
第七节免疫算子性质及齐次免疫算法收敛性
第八节非齐次免疫算法收敛性
第九节免疫算法收敛速度分析
第十节免疫算法稳定性理论
第十一节免疫算法的计算复杂度及鲁棒性分析
第十二节齐次及非齐次免疫算法理论比较分析
第十三节免疫算法的性能测试
第十四节应用举例
第十五节本章小结
参考文献
第四章形态空间上免疫算法及收敛性理论
第一节引言
第二节小生境免疫算法
第三节动态规模免疫算法
第四节约束优化免疫算法
第五节模糊控制免疫算法
第六节形态空间上免疫算法的收敛性
第七节应用举例
第八节本章小结
参考文献
第五章多目标优化免疫算法及免疫网络算法
第一节引言
第二节预备知识
第三节非约束条件下多目标优化免疫算法
第四节约束多目标优化免疫算法
第五节模糊免疫网络分类算法
第六节本章小结
参考文献
第二部分图像编码的分形算法
第六章分形编码的数学基础
第一节引言
第二节度量空间
第三节分形
第四节迭代函数系统
第五节本章小结
参考文献
第七章基本分形编码算法
第一节引言
第二节矢量量化与分形编码
第三节迭代函数系统正问题与自然图形模拟
第四节迭代函数系统逆问题与图像编码
第五节分形编码算法的基本原理与实现
第六节本章小结
参考文献
第八章分形编码的改进算法
第一节引言
第二节图像分割
第三节虚拟码本构成
第四节亮度变换类型
第五节变换参数的量化
第六节分形解码
第七节最优分形编码
第八节快速分形编码
第九节混合分形编码
第十节本章小结
参考文献
第三部分蚁群优化算法理论及其应用
第九章蚁群优化算法概述
第一节引言
第二节蚁群优化原理及算法描述
第三节蚁群优化的特点
第四节蚁群优化与其他算法的关系
第五节蚁群优化的研究现状
第六节本章小结
参考文献
第十章蚁群优化元启发式及其收敛性
第一节引言
第二节蚁群优化元启发式
第三节蚁群优化的收敛性
第四节本章小结
参考文献
第十一章基本蚁群优化算法及其改进算法
第一节引言
第二节蚂蚁系统及其属性
第三节改进的蚁群优化算法
第四节一种新的自适应蚁群算法
第五节基于混合行为的蚁群算法
第六节本章小结
参考文献
第十二章蚁群优化的并行实现
第一节蚁群优化的并行实现概述
第二节蚂蚁系统的同步并行实现和部分异步并行实现
第三节SPI与PAPI的对比实验
第四节对一类带聚类特征TSP的并行蚁群算法求解
第五节本章小结
参考文献
第十三章蚁群优化算法的应用
第一节概述
第二节蚁群优化算法与K-TSP
第三节蚁群优化与二次分配问题
第四节蚁群优化算法与车间作业调度问题
第五节蚁群优化算法与网络路由问题
第六节蚁群算法与0-1背包问题
第七节蚁群优化算法与三维空间机器人路径规划
第八节本章小结
参考文献
第四部分小样本统计学习理论与支持向量机
第十四章小样本统计学习的基本理论
第一节引言
第二节基于SLT的机器学习理论的基本观点
第三节支持向量机算法
第四节算例
第五节本章小结
参考文献
第十五章基于SVM的多类分类算法及其在故障诊断中的应用
第一节引言
第二节基于二叉树的多级SVM分类器
第三节SVM用于故障诊断的一般步骤
第四节基于SVM的柴油机故障诊断
第五节本章小结
参考文献
第十六章基于支持向量机的函数回归的方法
第一节常用的损失函数的定义
第二节函数回归的SVM方法
第三节基于SVM的故障趋势预测研究
第四节本章小结
参考文献
中英文词汇对照
还没人写过短评呢
还没人写过短评呢