微粒群優(yōu)化與調(diào)度算法

定　價：￥35.00

作　者：	王凌、劉波
出版社：	清華大學出版社
叢編項：
標　簽：	人工智能

購買這本書可以去

ISBN：	9787302169963	出版時間：	2008-01-01	包裝：	平裝
開本：	16	頁數(shù)：	219	字數(shù)：

內(nèi)容簡介

　　微粒群優(yōu)化（PSO）算法在連續(xù)優(yōu)化與生產(chǎn)調(diào)度方面的研究成果。全書由8章構(gòu)成，內(nèi)容自成體系，第1～2章介紹PS0算法的原理、框架和相關(guān)理論，第3～5章介紹PSO算法在連續(xù)優(yōu)化領(lǐng)域的研究，第6～8章介紹PSO算法在生產(chǎn)調(diào)度領(lǐng)域的研究。各章節(jié)內(nèi)容具體安排如下：第1章主要介紹PSO算法的原理、特點、流程和相關(guān)研究進展。第2章從系統(tǒng)性的角度，闡述群體智能優(yōu)化的統(tǒng)一框架和收斂性理論，給出算法設(shè)計的指導性原則。第3章闡述基于PSO算法的無約束優(yōu)化研究，介紹混沌PSO算法、退火PSO算法及其應用。第4章闡述基于 PSO算法的約束優(yōu)化研究，介紹協(xié)進化PSO算法、基于可行性規(guī)則的PSO算法及其相關(guān)改進。第5章闡述基于PSO算法的不確定優(yōu)化研究，介紹基于假設(shè)檢驗和基于序優(yōu)化的PSO算法及其相關(guān)應用。第6章重點闡述基于PSO算法的置換流水線調(diào)度研究，介紹算法的詳細設(shè)計和仿真結(jié)果。第7章分別闡述零等待、有限緩沖區(qū)、多目標、不確定、零空閑等復雜流水線調(diào)度的PSO算法設(shè)計與仿真結(jié)果。第8章闡述作業(yè)車問調(diào)度的連續(xù)PSO算法和離散PSO算法的設(shè)計與仿真結(jié)果。《微粒群優(yōu)化與調(diào)度算法》主要面向計算機、自動化、管理、機械等學科的教師、學生以及相關(guān)領(lǐng)域研究與開發(fā)技術(shù)人員。

作者簡介

　　王凌，男，1972年8月生，江蘇武進人，博士。1935年和1999年在清華大學自動化系分別獲學士和博士學位，畢業(yè)后留校任教，2002年晉升副教授、研究生導師，2007年在美國密西根大學從事訪問學者一年?，F(xiàn)擔任IEEE計算智能協(xié)會（CIS）涌現(xiàn)技術(shù)委員會（ETTC）委員，山東大學威海分校兼職教授，聊城大學兼職教授，歐洲工業(yè)工程期刊（EJIE）、國際自動化與控制期刊（IJAAC）、國際軟計算期刊（IJSC）、開放性運籌學期刊（OORJ）、國際工程與應用科學期刊（IJEAS）、國際電氣與電力工程期刊（IJEPE）、亞洲信息技術(shù)期刊（AJIT）等國際期刊的編委，國家自然科學基金項目、科技部863項目以及霍英東基金項目的通訊評議專家，IEEE-T-SMC-B、IEEE-T-EC、IEEE-T-NN、IEEE-T-ASE、C&OR、C&IE、EJOR等20多家國際著名期刊的評委，《中國科學》、《自動化學報》、《計算機學報》、《軟件學報》、《電子學報》等40多家國內(nèi)著名期刊的評委。主要研究興趣為智能優(yōu)化理論與方法、生產(chǎn)調(diào)度系統(tǒng)建模與優(yōu)化等。先后承擔和參與國家自然科學基金項目5項、科技部973項目子課題2項、科技部863項目4項、北京市科委項目1項以及若干國際合作、企業(yè)合作項目。已出版專著《智能優(yōu)化算法及其應用》、《車間調(diào)度及其遺傳算法》，譯著《過程的動態(tài)特性與控制》，并參編《中國大百科全書》第二版。已在IEEE-T-SMC-A、IEEE-T-SMC-B、C&OR、IJPR、EAAl、AMC、CS&F、IJAMT、PLA等國內(nèi)外著名學術(shù)刊物上發(fā)表論文150篇，其中SCl已收錄50篇、El已收錄80篇。所發(fā)表論著至今已被SCI引用260余次、被中國知識網(wǎng)CNKl他引2400余次、被Google學術(shù)搜索他引1300余次。曾獲2003年度教育部提名國家自然科學獎一等獎、2097年度高等學校自然科學獎二等獎、清華大學優(yōu)秀博士論文一等獎、ICMLC’02國際會議優(yōu)秀論文獎、中國CDC’05年會優(yōu)秀論文獎、ICT’06國際會議優(yōu)秀論文獎、清華大學出版社優(yōu)秀圖書一等獎、清華大學優(yōu)秀教材二等獎、清華大學優(yōu)秀班主任一等獎。2004年入選北京市科技新星。

圖書目錄

第1章　微粒群優(yōu)化算法
　1.1　微粒群優(yōu)化算法的基本原理　
　1.2　基本微粒群優(yōu)化算法　
　1.3　基本微粒群優(yōu)化算法的流程和特點　
　1.4　微粒群優(yōu)化算法的改進研究　
　1.5　復雜環(huán)境下的微粒群優(yōu)化算法研究　
　　1.5.1　基于PSO算法的多目標優(yōu)化　
　　1.5.2　基于PSO算法的約束優(yōu)化　
　　1.5.3　基于PSO算法的離散優(yōu)化　
　　1.5.4　基于PSO算法的動態(tài)優(yōu)化　
　1.6　微粒群優(yōu)化算法的應用研究　
　1.7　微粒群優(yōu)化算法研究總結(jié)與展望　
　參考文獻　
第2章　群體智能優(yōu)化統(tǒng)一框架
　2.1　群體智能優(yōu)化算法理論研究進展
　　2.1.1　統(tǒng)一框架研究概述
　　2.1.2　收斂性理論研究概述
　2.2　群體智能優(yōu)化算法的統(tǒng)一描述
　　2.2.1　群體智能優(yōu)化算法的基本環(huán)節(jié)
　　2.2.2　群體智能優(yōu)化算法的統(tǒng)一框架
　2.3　群體智能優(yōu)化框架的實例化
　　2.3.1　微粒群優(yōu)化算法
　　2.3.2　差分進化算法
　　2.3.3　分散搜索算法
　　2.3.4　蟻群算法
　　2.3.5　遺傳算法
　　2.3.6　進化規(guī)劃
　　2.3.7　進化策略
　2.4　基于統(tǒng)一框架的群體智能優(yōu)化算法設(shè)計
　　2.4.1　社會協(xié)作策略的選擇
　　2.4.2 自我適應策略的選擇
　　2.4.3　競爭策略的選擇
　2.5　混合群體智能優(yōu)化算法的統(tǒng)一描述
　　2.5.1　混合群體智能優(yōu)化算法的基本環(huán)節(jié)
　　2.5.2　混合群體智能優(yōu)化算法的統(tǒng)一框架
　2.6　基于統(tǒng)一框架的算法收斂性分析
　　2.6.1　基礎(chǔ)知識
　　2.6.2　基于統(tǒng)一框架的群體智能優(yōu)化算法性能分析
　　2.6.3　基于統(tǒng)一框架的混合智能算法性能分析
　2.7　小結(jié)
　參考文獻
第3章　基于PSO算法的無約束優(yōu)化
　3.1　混沌微粒群優(yōu)化算法
　　3.1.1 自適應慣性權(quán)因子
　　3.1.2　混沌局部搜索
　　3.1.3　混沌PSO算法
　　3.1.4　仿真實驗
　3.2　結(jié)合模擬退火的微粒群優(yōu)化算法
　　3.2.1　混合算法的設(shè)計思想
　　3.2.2　混合微粒群優(yōu)化算法流程
　　3.2.3　基于混合PSO算法的參數(shù)估計
　3.3　基于PSO算法的混沌系統(tǒng)控制與同步
　　3.3.1　混沌系統(tǒng)的控制和同步問題描述
　　3.3.2　混沌系統(tǒng)控制的仿真
　　3.3.3　混沌系統(tǒng)同步的仿真
　參考文獻
第4章　基于PSO算法的約束優(yōu)化
　4.1　約束優(yōu)化問題描述
　4.2　智能約束處理技術(shù)概述
　　4.2.1　無約束化處理
　　4.2.2　基于排序的方法
　　4.2.3　基于多目標的方法
　　4.2.4　特殊算子法
　　……
第5章　基于PSO算法的不確定優(yōu)化
第6章　基于PSO算法的置換流水線調(diào)度
第7章　基于PSO算法的復雜流水線調(diào)度
第8章　基于PSO算法的作業(yè)車間調(diào)度