編輯推薦
為促進科技工作者學術成長,推動學科發展,繁榮科技齣版,中國科學技術協會、中國長江三峽集團公司聯閤設立“中國科協三峽科技齣版資助計劃”,自2012-2016年連續5年資助自然科學和技術科學領域的科技著作齣版。作為“中國科協三峽科技齣版資助計劃”評審委員會辦公室單位,中國科學技術齣版社負責受資助著作的齣版工作,並常年接受推薦申報。
內容簡介
混沌是存在於非綫性係統中的一種較為普遍的非綫性現象,它並不是一片“混亂”,而是有著精緻內在結構的一類非綫性現象。混沌的特性主要有僞隨機性、遍曆性和對初始條件的敏感性。由於遍曆性可作為避免搜索過程陷入局部極小的有效機製,因此,混沌理論已成為一種新穎且有潛力的優化工具。20世紀90年代初,受蟻群可在巢和食物源間建立最短路徑的著名試驗的啓發,學者Marco Dorigo首先開創性地提齣瞭著名的蟻群優化算法,此後群智能理論研究迅速展開。由於群智能理論在生産計劃與調度、商業運作、金融管理、電子技術、通訊、自動控製、光學、生物學等許多領域中具有巨大的應用潛力及發展前景,已經引起國內外學者的廣泛關注,從而成為近期計算機、運籌學和智能控製等領域研究中的熱點及前沿。
內頁插圖
目錄
總序
第1章 緒論
1.1 引言
1.2 群體智能理論簡介
1.3 群體智能算法簡介
1.4 混沌優化理論簡介
1.5 本書算法的新思想
1.6 本章小結
第2章 混沌蟻群優化算法
2.1 引言
2.2 螞蟻的混沌行為和自組織行為
2.3 混沌蟻群算法的數學模型
2.4 螞蟻的鄰居以及螞蟻間的信息交流方式
2.5 混沌蟻群模型的非綫性動力學行為
2.6 用無約束函數測試混沌蟻群算法
2.7 用有約束函數測試混沌蟻群算法
2.8 算法討論
2.9 本章小結
第3章 基於CAS算法的動力學係統參數辨識
3.1 引言
3.2 用CAS算法辨識係統參數
3.3 目標函數和未知參數的關係
3.4 四種典型係統的參數辨識數值仿真研究
3.5 Logistic和Lorenz係統的參數辨識仿真研究
3.6 本章小結
第4章 基於CAS算法的模糊係統設計
4.1 引言
4.2 T-S模糊係統建模
4.3 利用CAS算法設計模糊係統
4.4 基於CAS的模糊係統應用研究
4.5 基於CAS的模糊係統數值仿真實例
4.6 本章小結
第5章 基於CAS算法的神經網絡訓練
5.1 引言
5.2 神經網絡簡介
5.3 用CAS算法訓練BP網
5.4 CAS算法訓練BP網仿真實例
5.5 本章小結
第6章 基於CAS算法的PID參數整定
6.1 引言
6.2 PID控製器的標準結構
6.3 PID參數整定方法
6.4 AVR係統的結構
6.5 CAS-PID控製在AVR係統中的應用
6.6 CAS-PID控製的AVR係統仿真研究
6.7 本章小結
第7章 基於CAS算法的聚類算法
7.1 引言
……
第8章 基於隨機索引的Web用戶建模和聚類算法
第9章 基於CAS-C算法的Web用戶聚類
第10章 基於公共用戶訪問行為的Web預取
第11章 基於CAS算法的電力係統負荷經濟調度研究
第12章 CAS算法在數學領域中的一些應用
第13章 用CAS算法求解組閤優化問題
第14章 基於三種策略的改進CAS算法
第15章 混閤CAS算法
前言/序言
混沌是存在於非綫性係統中的一種較為普遍的非綫性現象,它並不是一片“混亂”,而是有著精緻內在結構的一類非綫性現象。混沌的特性主要有僞隨機性、遍曆性和對初始條件的敏感性。由於遍曆性可作為避免搜索過程陷入局部極小的有效機製,因此混沌理論已成為一種新穎且有潛力的優化工具。
20世紀90年代初,受蟻群可在巢和食物源間建立最短路徑的著名試驗的啓發,學者Marco Dorigo首先開創性地提齣瞭著名的蟻群優化算法,此後群智能理論研究迅速展開。由於群智能理論在生産計劃與調度、商業運作、金融管理、電子技術、通訊、自動控製、光學、生物學等許多領域中具有巨大的應用潛力及發展前景,已經引起國內外學者的廣泛關注,從而成為近期計算機、運籌學和智能控製等領域研究中的熱點及前沿。
現有的受螞蟻種群行為啓發而産生的優化算法,大多都是基於隨機搜索機製的非確定性的概率理論發展而來的。但是近年來生物學傢Cole發現整個蟻群行為是一種周期行為,然而單個螞蟻的行為卻是混沌行為。蟻群顯然是具有智能的團隊,這個團隊在不斷地協作完成一個又一個任務,我們認為種群周期行為的産生正是螞蟻由獨自作業到自組織起來協作完成一個又一個任務的過程。從動力學的角度來說,顯然單個螞蟻的混沌行為和種群強大的自組織能力之間必然存在著某種內在的關係。這種關係是蟻群對周圍生存環境適應性的一種自然選擇,這些行為有利於螞蟻的生存。然而混沌現象用Marco Dorigo依據概率理論建立的蟻群優化模型是無法解釋的。單個螞蟻的混沌行為與群體的自組織和蟻群捕食以及最短路徑的建立之間是一種什麼關係,這一點目前並沒有引起國際群智能理論研究者廣泛的關注。
本書從全新的角度分析瞭螞蟻外齣捕食、在巢和食物源之間建立最短路徑的過程。我們通過構造一個“巢一食物源一巢”之間的映射關係,將螞蟻的外齣捕食過程和建立最短食物路徑過程統一起來進行考慮。認為螞蟻的外齣捕食過程是一個混沌搜索的過程,最短食物路徑的建立過程則是由混沌搜索逐漸過渡到暫態混沌直到收斂到最短食物路徑的過程。也就是說,螞蟻處於一個在信息素和混沌共同作用下的自組織過程,一個類似於混沌退火的過程。在整個過程中螞蟻通過不斷的分泌信息素來傳遞最好路徑信息,並通過信息素形成自組織。我們所提的這個思想完全不同於Marco Dorigo的關於蟻群通過概率選擇來建立最短路徑的思想。
圖書簡介:前沿計算方法與工程實踐 書名:前沿計算方法與工程實踐 作者:[此處可填入兩位或三位具有相關領域資深背景的作者姓名] 齣版社:[此處可填入一傢知名的學術或專業技術齣版社名稱] 字數:約 1500 字 --- 叢書定位與讀者群體 本書係“現代信息科學與工程應用前沿”係列叢書中的核心著作之一,旨在係統梳理和深入剖析當前計算科學領域最具潛力和實用價值的新興算法框架,並結閤具體的工程案例,展示這些方法在復雜係統優化、數據挖掘以及決策支持中的強大能力。 本書的目標讀者群非常廣泛,主要包括: 1. 高年級本科生及研究生: 學習高等算法設計、人工智能基礎、運籌學及應用數學的理工科學生,他們需要建立紮實的理論基礎和初步的工程視野。 2. 軟件開發工程師與算法工程師: 特彆是從事係統集成、性能優化、供應鏈管理、金融建模等領域的專業人士,他們尋求將前沿理論轉化為可部署的生産力工具。 3. 科研工作者與高校教師: 在優化理論、計算智能、復雜係統科學等領域進行研究的學者,本書可作為深入研究和教學的參考資料。 --- 內容概述:構建高效能的求解引擎 本書並非聚焦於單一的、特定領域的算法(如特定生物啓發算法的變種),而是采取一種更宏觀、更具普適性的視角,探討解決“NP難”問題和高維復雜優化挑戰的通用計算範式。全書共分為四大核心闆塊,層層遞進,確保讀者能夠從基礎理論到高級應用全麵掌握。 第一部分:復雜性科學與優化基礎重構 (Fundamentals of Complexity and Optimization) 本部分首先對經典優化理論(如綫性規劃、動態規劃的局限性)進行迴顧,為引入啓發式和元啓發式算法奠定理論基石。 1. 復雜係統建模的挑戰: 詳細闡述瞭在現代工程中遇到的典型非綫性、非凸、多模態優化問題的數學錶徵,以及傳統精確算法在麵對大規模數據和實時性要求時的“維度災難”。 2. 自然計算的哲學基礎: 深入探討瞭從自然界(如物理、生物、社會行為)中汲取靈感的計算思想,強調“近似最優解”在工程實踐中的價值大於“精確但耗時”的解。 3. 概率搜索空間與收斂性分析基礎: 引入馬爾可夫鏈濛特卡洛(MCMC)方法的基本概念,為理解隨機性在算法求解過程中的作用做鋪墊。 第二部分:先進元啓發式算法的結構化解析 (Structured Analysis of Advanced Metaheuristics) 本部分是本書的核心理論部分,聚焦於介紹和解構幾類目前在工程界應用最廣泛、性能最穩健的元啓發式框架。本書摒棄瞭僅僅羅列參數和公式的做法,而是強調算法的內在機製、迭代結構以及參數敏感性。 1. 群體智能算法的演化軌跡: 係統比較瞭基於種群的算法(Population-based Algorithms)的共性和特性,重點分析瞭如何平衡“探索(Exploration)”與“利用(Exploitation)”這兩個核心矛盾。深入剖析瞭多個經典算法的最新改進版本,例如,如何通過動態調整群體行為約束來加速收斂。 2. 單解優化與局部搜索的強化: 探討瞭基於單個解的算法(如模擬退火SA、變鄰域搜索VNS)的現代應用。重點在於如何設計高效的鄰域結構,以及如何利用機器學習技術來指導局部搜索的路徑選擇,避免陷入僞最優解。 3. 混閤算法的設計範式(Memetic Algorithms): 詳細介紹瞭如何將高效的局部搜索策略與全局探索框架進行深度集成,構建齣兼具全局視野和局部精度的混閤優化器。本書提供瞭設計和評估混閤算法性能的標準流程圖。 第三部分:工程應用中的算法定製與魯棒性 (Customization and Robustness in Engineering Deployment) 理論的價值最終體現在應用上。本部分將重點轉嚮如何將抽象的算法轉化為可靠的工程工具。 1. 適應性參數控製策略: 闡述瞭如何實現算法參數的“自適應調整”,即算法的內部參數(如變異率、交叉概率、溫度衰減率等)不再是靜態預設,而是根據當前搜索進程的反饋動態變化。這對於處理非平穩或動態變化的環境至關重要。 2. 約束處理的有效方法: 詳細對比瞭懲罰函數法、可行性保持法(Feasibility Rules)和特定的邊界處理技術在處理硬約束和軟約束問題上的優劣。本書特彆提齣瞭一種基於解的質量度量函數,用以更科學地評估受約束解的優劣。 3. 並行化與分布式計算: 探討瞭如何將群體算法(如將不同子群分配給不同處理器)進行高效的並行化設計,以充分利用多核CPU和GPU資源,實現復雜問題的快速求解。 第四部分:案例研究與未來展望 (Case Studies and Future Directions) 本部分通過具體的、高挑戰性的應用案例,展示前述算法框架的實際威力。 1. 能源係統優化: 以電網的無功功率優化或智能微電網的調度問題為例,展示高維非綫性約束優化如何被高效解決。 2. 資源分配與排程: 分析在復雜的物流網絡或柔性製造係統中,如何應用改進的搜索策略來最小化延遲或最大化吞吐量。 3. 前沿趨勢: 展望深度強化學習(DRL)與元啓發式算法的融閤潛力,討論如何利用AI的感知能力來指導更智能的搜索過程,以及在量子計算時代背景下,現有算法的潛在遷移路徑。 --- 本書的獨特價值 本書的撰寫風格嚴謹而注重實踐,力求在深度與廣度之間取得平衡。它避免瞭對任何單一算法的過度美化,而是著重於方法論的構建——即如何理解一個優化問題,並據此選擇、設計和調優最閤適的計算框架。本書提供的不僅僅是算法的代碼實現,更重要的是解決復雜問題的思維模式和工程驗證的方法論,是構建下一代智能決策支持係統的必備參考書。