全局優(yōu)化理論幾種算法的改進(jìn)研究

定　價(jià)：￥59.00

作　者：	劉旭旺
出版社：	中國(guó)經(jīng)濟(jì)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥48.60)

ISBN：	9787513660549	出版時(shí)間：	2020-12-01	包裝：
開本：	16開	頁(yè)數(shù)：	176	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書主要圍繞神經(jīng)網(wǎng)絡(luò)優(yōu)化、粒子群優(yōu)化方法和填充函數(shù)方法等全局優(yōu)化方法展開了深入研究，取得了系列研究成果，豐富和完善了全局優(yōu)化理論幾種算法的改進(jìn)和應(yīng)用研究。首先，針對(duì)Hopfield網(wǎng)絡(luò)優(yōu)化，從優(yōu)化計(jì)算存在問題出發(fā)，比較分析Hopfield網(wǎng)絡(luò)優(yōu)化和模擬退火優(yōu)化，找到了兩種算法的切入點(diǎn)，給出了嵌入式混合優(yōu)化算法SA—HNN的原理和實(shí)現(xiàn)步驟，數(shù)值仿真證明了SA—HNN混合優(yōu)化算法用于組合優(yōu)化的可行性，有一定工程實(shí)用價(jià)值。其次，針對(duì)粒子群優(yōu)化算法，以提高種群多樣度、**解精度和優(yōu)化效率為目標(biāo)，把混沌機(jī)制融入粒子群優(yōu)化，提出了基于混沌的彈性粒子群全局優(yōu)化算法；同時(shí)，把經(jīng)典的梯度下降算法與上面提出的彈性修正粒子速度有機(jī)結(jié)合，互為補(bǔ)充，提出了基于梯度的彈性粒子群全局優(yōu)化方法，數(shù)值實(shí)驗(yàn)證明了各改進(jìn)算法的有效性和適用性。最后，針對(duì)填充函數(shù)方法，提出了一類新的無參數(shù)填充函數(shù)，把混沌優(yōu)化與填充函數(shù)方法有機(jī)結(jié)合，提出了基于混沌和填充函數(shù)的全局優(yōu)化方法，數(shù)值實(shí)驗(yàn)驗(yàn)證了算法的優(yōu)越性。

作者簡(jiǎn)介

　　劉旭旺，男，副教授，1983年3月生，河南省漯河人。2013年7月于東北大學(xué)信息科學(xué)與工程學(xué)院畢業(yè)，獲得系統(tǒng)工程專業(yè)工學(xué)博士學(xué)位。現(xiàn)任河南大學(xué)MBA教育中心辦公室主任，同時(shí)還在河南大學(xué)商學(xué)院電子商務(wù)系任教。主要研究方向?yàn)閺?fù)雜系統(tǒng)建模與優(yōu)化、電子商務(wù)、行為運(yùn)作管理、管理系統(tǒng)工程等。研究成果已在 Electronic Commerce Research and Applications ， IEEE Systems Journal 及《管理科學(xué)學(xué)報(bào)》《系統(tǒng)工程學(xué)報(bào)》《運(yùn)籌學(xué)學(xué)報(bào)》《東北大學(xué)學(xué)報(bào)》《系統(tǒng)仿真學(xué)報(bào)》等雜志上發(fā)表學(xué)術(shù)論文20余篇，其中SSCI 收錄1篇，SCI 收錄2篇，EI 收錄5篇。主持教育部人文社科基金1項(xiàng)、河南省教育廳等廳級(jí)項(xiàng)目3項(xiàng)，參與國(guó)家自然科學(xué)基金2項(xiàng)。

圖書目錄

第l章緒論
1.1 課題的背景和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本研究主要T作
1.4 本研究的內(nèi)容結(jié)構(gòu)
1.5 本書內(nèi)容出版資助
第2章全局優(yōu)化的基本理論
2.1 優(yōu)化問題簡(jiǎn)介
2.2 優(yōu)化模型的建立
2.3 優(yōu)化問題的分類
2.4 凸集與凸函數(shù)
2.5 優(yōu)化算法簡(jiǎn)介
2.5.1 優(yōu)化算法的基本迭代
2.5.2 解決優(yōu)化問題的基本算法
2.5.3 優(yōu)化算法的收斂問題
2.5.4 搜索方向確定
2.5.5 算法步長(zhǎng)確定
2.6 局部與全局
2.7 全局優(yōu)化問題的特點(diǎn)
2.7.1 優(yōu)化方法的發(fā)展
2.7.2 全局優(yōu)化問題的性質(zhì)
2.8 智能優(yōu)化
第3章相關(guān)優(yōu)化算法及理論
3.1 神經(jīng)網(wǎng)絡(luò)與組合優(yōu)化
3.1.1 神經(jīng)網(wǎng)絡(luò)
3.1.2 組合優(yōu)化問題
3.2 模擬退火優(yōu)化算法
3.2.1 模擬退火算法
3.2.2 模擬退火算法步驟
3.2 .火算法的關(guān)鍵技術(shù)
3.2.4 模擬退火算法的收斂性
3.3 混沌優(yōu)化
3.3.1 混沌的產(chǎn)生
3.3.2 昆沌的定義
3.3.3 一般混沌映射特性
3.3.4 典型混沌映射點(diǎn)集的概率分布
3.3.5 E沌優(yōu)化概述
3.3.6 其他的混沌優(yōu)化算法
3.4 粒子群優(yōu)化算法的原理
3.4.1 描述PSO 7關(guān)鍵術(shù)語
3.4.2 基本粒子群優(yōu)化算法
3.4.3 標(biāo)準(zhǔn)粒子群優(yōu)化算法
3.4.4 粒子群優(yōu)化算法的研究綜述
3.4.5 與其他智能算法的比較分析
3.4.6 粒子群算法存在的問題
3.4.7 粒子群優(yōu)化算法小結(jié)
第4章基于模擬退火的Hopfield網(wǎng)絡(luò)優(yōu)化研究
4.1 基于Hopfield反饋網(wǎng)絡(luò)的優(yōu)化策略
4.1.1 Hopfield反饋網(wǎng)絡(luò)優(yōu)化的原理
4.1.2 基于Hopfield網(wǎng)絡(luò)模型優(yōu)化的程
4.1.3 基于Hopfield網(wǎng)絡(luò)模型優(yōu)化的缺陷
4.2 SA-HNN混合算法的提出
4.3 SA-HNN混合算法的分析與設(shè)計(jì)
4.4 SA-HNN混合算法實(shí)現(xiàn)步驟及整體流程圖
4.4.1 SA-HNN~jE合算法函數(shù)優(yōu)化實(shí)現(xiàn)步驟
4.4.2 SA-HNN§合算法解決組合優(yōu)化的具體步驟
4.4.3 SA-HNN￡合算法實(shí)現(xiàn)組合優(yōu)化整體流程圖
4.5 SA-HNN混合算法在函數(shù)優(yōu)化中的案例分析
4.6 SA-HNN混合算法在組合優(yōu)化中的案例分析
4.6.1 1行商問題(1\