未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

全局优化理论几种算法的改进研究

作者: 刘旭旺著

出版社: 中国经济出版社

出版时间: 2020-12

版次: 1

ISBN: 9787513660549

定价: 59.00

装帧: 平装

开本: 16开

页数: 176页

分类: 自然科学

3人买过

本书主要围绕神经网络优化、粒子群优化方法和填充函数方法等全局优化方法展开了深入研究，取得了系列研究成果，丰富和完善了全局优化理论几种算法的改进和应用研究。首先，针对Hopfield网络优化，从优化计算存在问题出发，比较分析Hopfield网络优化和模拟退火优化，找到了两种算法的切入点，给出了嵌入式混合优化算法SA―HNN的原理和实现步骤，数值仿真证明了SA―HNN混合优化算法用于组合优化的可行性，有一定工程实用价值。其次，针对粒子群优化算法，以提高种群多样度、**解精度和优化效率为目标，把混沌机制融入粒子群优化，提出了基于混沌的弹性粒子群全局优化算法；同时，把经典的梯度下降算法与上面提出的弹性修正粒子速度有机结合，互为补充，提出了基于梯度的弹性粒子群全局优化方法，数值实验证明了各改进算法的有效性和适用性。最后，针对填充函数方法，提出了一类新的无参数填充函数，把混沌优化与填充函数方法有机结合，提出了基于混沌和填充函数的全局优化方法，数值实验验证了算法的优越性。刘旭旺，男，副教授，1983年3月生，河南省漯河人。2013年7月于东北大学信息科学与工程学院毕业，获得系统工程专业工学博士学位。现任河南大学MBA教育中心办公室主任，同时还在河南大学商学院电子商务系任教。主要研究方向为复杂系统建模与优化、电子商务、行为运作管理、管理系统工程等。研究成果已在 Electronic Commerce Research and Applications ， IEEE Systems Journal 及《管理科学学报》《系统工程学报》《运筹学学报》《东北大学学报》《系统仿真学报》等杂志上发表学术论文20余篇，其中SSCI 收录1篇，SCI 收录2篇，EI 收录5篇。主持教育部人文社科基金1项、河南省教育厅等厅级项目3项，参与国家自然科学基金2项。第l章  绪论
  1.1  课题的背景和意义
  1.2  国内外研究现状
  1.3  本研究主要T作
  1.4  本研究的内容结构
  1.5  本书内容出版资助
第2章  全局优化的基本理论
  2.1  优化问题简介
  2.2  优化模型的建立
  2.3  优化问题的分类
  2.4  凸集与凸函数
  2.5  优化算法简介
    2.5.1  优化算法的基本迭代
    2.5.2  解决优化问题的基本算法
    2.5.3  优化算法的收敛问题
    2.5.4  搜索方向确定
    2.5.5  算法步长确定
  2.6  局部与全局
  2.7  全局优化问题的特点
    2.7.1  优化方法的发展
    2.7.2  全局优化问题的性质
  2.8  智能优化
第3章  相关优化算法及理论
  3.1  神经网络与组合优化
    3.1.1  神经网络
    3.1.2  组合优化问题
  3.2  模拟退火优化算法
    3.2.1  模拟退火算法
    3.2.2  模拟退火算法步骤
  3.2  .火算法的关键技术
    3.2.4  模拟退火算法的收敛性
  3.3  混沌优化
    3.3.1  混沌的产生
    3.3.2  昆沌的定义
    3.3.3  一般混沌映射特性
    3.3.4  典型混沌映射点集的概率分布
    3.3.5  E沌优化概述
    3.3.6  其他的混沌优化算法
  3.4  粒子群优化算法的原理
    3.4.1  描述PSO 7关键术语
    3.4.2  基本粒子群优化算法
    3.4.3  标准粒子群优化算法
    3.4.4  粒子群优化算法的研究综述
    3.4.5  与其他智能算法的比较分析
    3.4.6  粒子群算法存在的问题
    3.4.7  粒子群优化算法小结
第4章  基于模拟退火的Hopfield网络优化研究
  4.1  基于Hopfield反馈网络的优化策略
    4.1.1  Hopfield反馈网络优化的原理
    4.1.2  基于Hopfield网络模型优化的程
    4.1.3  基于Hopfield网络模型优化的缺陷
  4.2  SA-HNN混合算法的提出
  4.3  SA-HNN混合算法的分析与设计
  4.4  SA-HNN混合算法实现步骤及整体流程图
    4.4.1  SA-HNN~jE合算法函数优化实现步骤
    4.4.2  SA-HNN§合算法解决组合优化的具体步骤
    4.4.3  SA-HNN￡合算法实现组合优化整体流程图
  4.5  SA-HNN混合算法在函数优化中的案例分析
  4.6  SA-HNN混合算法在组合优化中的案例分析
    4.6.1  1行商问题(1\"SP)描述
    4.6.2  用SA-HNN算法解决TSP问题
  4.7  SA-HNN混合算法仿真程序实现
  4.8  SA-HNN算法在组合优化中的参数分析与收敛性
    4.8.1  SA-HNN\'il尤化算法的参数分析
    4.8.2  SA-HNN优化算法的收敛性
第5章  粒子群优化算法的研究
  5.1  粒子群优化存在的问题和分析
    5.1.1  粒子群优化算法中存在的问题
    5.1.2  粒子群优化算法的分析
  5.2  基于混沌的自适应粒子群全局优化方法
    5.2.1  混沌粒子群算法基本思想
    5.2.2  一种基于混沌的自适应粒子群优化算法
    5.2.3  数值仿真实验
    5.2.4  小结
  5.3  基于混沌的弹性粒子群全局优化算法
    5.3.1  优化算法分析
    5.3.2  弹性处理粒子速度
    5.3.3  基于混沌的弹性粒子群全局优化算法流程
    5.3.4  仿真研究
    5.3.5  小结
  5.4  基于梯度的弹性粒子群全局优化方法
    5.4.1  梯度法
    5.4.2  早熟收敛程度评价与自适应调整策略
    5.4.3  一种基于梯度的弹性粒子群优化算法流程
    5.4.4  数值实验和结果分析
    5.4.5  小结
  5.5  三种算法的比较分析
  5.6  本章小结
第6章  填充函数方法的研究
  6.1  填充函数方法
  6.2  一类无参数填充函数的构造与性质
    6.2.1  无参数填充函数的构造与填充性质
    6.2.2  参数填充函数的全局优化算法
  6.3  基于混沌和填充函数的全局优化算法
    6.3.1  算法分析
    6.3.2  基于混沌和填充函数的全局优化算法
    6.3.3  数值实验
    6.3.4  小结
  6.4  本章总结
第7章  结论与展望
参考文献
索引
内容简介:
本书主要围绕神经网络优化、粒子群优化方法和填充函数方法等全局优化方法展开了深入研究，取得了系列研究成果，丰富和完善了全局优化理论几种算法的改进和应用研究。首先，针对Hopfield网络优化，从优化计算存在问题出发，比较分析Hopfield网络优化和模拟退火优化，找到了两种算法的切入点，给出了嵌入式混合优化算法SA―HNN的原理和实现步骤，数值仿真证明了SA―HNN混合优化算法用于组合优化的可行性，有一定工程实用价值。其次，针对粒子群优化算法，以提高种群多样度、**解精度和优化效率为目标，把混沌机制融入粒子群优化，提出了基于混沌的弹性粒子群全局优化算法；同时，把经典的梯度下降算法与上面提出的弹性修正粒子速度有机结合，互为补充，提出了基于梯度的弹性粒子群全局优化方法，数值实验证明了各改进算法的有效性和适用性。最后，针对填充函数方法，提出了一类新的无参数填充函数，把混沌优化与填充函数方法有机结合，提出了基于混沌和填充函数的全局优化方法，数值实验验证了算法的优越性。
作者简介:
刘旭旺，男，副教授，1983年3月生，河南省漯河人。2013年7月于东北大学信息科学与工程学院毕业，获得系统工程专业工学博士学位。现任河南大学MBA教育中心办公室主任，同时还在河南大学商学院电子商务系任教。主要研究方向为复杂系统建模与优化、电子商务、行为运作管理、管理系统工程等。研究成果已在 Electronic Commerce Research and Applications ， IEEE Systems Journal 及《管理科学学报》《系统工程学报》《运筹学学报》《东北大学学报》《系统仿真学报》等杂志上发表学术论文20余篇，其中SSCI 收录1篇，SCI 收录2篇，EI 收录5篇。主持教育部人文社科基金1项、河南省教育厅等厅级项目3项，参与国家自然科学基金2项。
目录:
第l章  绪论
  1.1  课题的背景和意义
  1.2  国内外研究现状
  1.3  本研究主要T作
  1.4  本研究的内容结构
  1.5  本书内容出版资助
第2章  全局优化的基本理论
  2.1  优化问题简介
  2.2  优化模型的建立
  2.3  优化问题的分类
  2.4  凸集与凸函数
  2.5  优化算法简介
    2.5.1  优化算法的基本迭代
    2.5.2  解决优化问题的基本算法
    2.5.3  优化算法的收敛问题
    2.5.4  搜索方向确定
    2.5.5  算法步长确定
  2.6  局部与全局
  2.7  全局优化问题的特点
    2.7.1  优化方法的发展
    2.7.2  全局优化问题的性质
  2.8  智能优化
第3章  相关优化算法及理论
  3.1  神经网络与组合优化
    3.1.1  神经网络
    3.1.2  组合优化问题
  3.2  模拟退火优化算法
    3.2.1  模拟退火算法
    3.2.2  模拟退火算法步骤
  3.2  .火算法的关键技术
    3.2.4  模拟退火算法的收敛性
  3.3  混沌优化
    3.3.1  混沌的产生
    3.3.2  昆沌的定义
    3.3.3  一般混沌映射特性
    3.3.4  典型混沌映射点集的概率分布
    3.3.5  E沌优化概述
    3.3.6  其他的混沌优化算法
  3.4  粒子群优化算法的原理
    3.4.1  描述PSO 7关键术语
    3.4.2  基本粒子群优化算法
    3.4.3  标准粒子群优化算法
    3.4.4  粒子群优化算法的研究综述
    3.4.5  与其他智能算法的比较分析
    3.4.6  粒子群算法存在的问题
    3.4.7  粒子群优化算法小结
第4章  基于模拟退火的Hopfield网络优化研究
  4.1  基于Hopfield反馈网络的优化策略
    4.1.1  Hopfield反馈网络优化的原理
    4.1.2  基于Hopfield网络模型优化的程
    4.1.3  基于Hopfield网络模型优化的缺陷
  4.2  SA-HNN混合算法的提出
  4.3  SA-HNN混合算法的分析与设计
  4.4  SA-HNN混合算法实现步骤及整体流程图
    4.4.1  SA-HNN~jE合算法函数优化实现步骤
    4.4.2  SA-HNN§合算法解决组合优化的具体步骤
    4.4.3  SA-HNN￡合算法实现组合优化整体流程图
  4.5  SA-HNN混合算法在函数优化中的案例分析
  4.6  SA-HNN混合算法在组合优化中的案例分析
    4.6.1  1行商问题(1\"SP)描述
    4.6.2  用SA-HNN算法解决TSP问题
  4.7  SA-HNN混合算法仿真程序实现
  4.8  SA-HNN算法在组合优化中的参数分析与收敛性
    4.8.1  SA-HNN\'il尤化算法的参数分析
    4.8.2  SA-HNN优化算法的收敛性
第5章  粒子群优化算法的研究
  5.1  粒子群优化存在的问题和分析
    5.1.1  粒子群优化算法中存在的问题
    5.1.2  粒子群优化算法的分析
  5.2  基于混沌的自适应粒子群全局优化方法
    5.2.1  混沌粒子群算法基本思想
    5.2.2  一种基于混沌的自适应粒子群优化算法
    5.2.3  数值仿真实验
    5.2.4  小结
  5.3  基于混沌的弹性粒子群全局优化算法
    5.3.1  优化算法分析
    5.3.2  弹性处理粒子速度
    5.3.3  基于混沌的弹性粒子群全局优化算法流程
    5.3.4  仿真研究
    5.3.5  小结
  5.4  基于梯度的弹性粒子群全局优化方法
    5.4.1  梯度法
    5.4.2  早熟收敛程度评价与自适应调整策略
    5.4.3  一种基于梯度的弹性粒子群优化算法流程
    5.4.4  数值实验和结果分析
    5.4.5  小结
  5.5  三种算法的比较分析
  5.6  本章小结
第6章  填充函数方法的研究
  6.1  填充函数方法
  6.2  一类无参数填充函数的构造与性质
    6.2.1  无参数填充函数的构造与填充性质
    6.2.2  参数填充函数的全局优化算法
  6.3  基于混沌和填充函数的全局优化算法
    6.3.1  算法分析
    6.3.2  基于混沌和填充函数的全局优化算法
    6.3.3  数值实验
    6.3.4  小结
  6.4  本章总结
第7章  结论与展望
参考文献
索引

查看详情

全局优化理论几种算法的改进研究

内容简介:

作者简介:

目录: