返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 粒子群优化算法\李丽 李丽 著作 专业科技 文轩网
  • 冶金、地质李丽 著作
    • 作者: 李丽著
    • 出版社: 冶金工业出版社
    • 出版时间:2009-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 李丽著
    • 出版社:冶金工业出版社
    • 出版时间:2009-10-01 00:00:00
    • 印刷时间:2009-09-01
    • 装帧:平装
    • ISBN:9787502450397
    • 国别/地区:中国
    • 版权提供:冶金工业出版社

    粒子群优化算法\李丽

    作  者:李丽 著作
    定  价:20
    出 版 社:冶金工业出版社
    出版日期:2009年10月01日
    页  数:
    装  帧:
    ISBN:9787502450397
    主编推荐

    《粒子群优化算法》由冶金工业出版社出版。

    内容简介

    《粒子群优化算法》研究了群体智能典型实现的算法之一——粒子群优化算法。其针对传统粒子群优化算法存在的缺点,给出其改进方法或提出新模型,使之更为有效可靠;另外,介绍了所提出的新模型、新算法在实际工程领域中的应用,拓展了粒子群算法的应用领域。
    《粒子群优化算法》在介绍了粒子群优化算法基本原理、基本粒子群算法的基础上,阐述了粒子群算法的实现技术,基于参数改进的粒子群算法、混合粒子群算法、生物启发式粒子群算法,重点研究了粒子群算法在各类现实工程问题中的应用情况。
    《粒子群优化算法》适合运筹与管理、人工智能、计算数学、计算机科学、系统科学、自动化等专业的师生参阅,亦可供从事计算智能研究与应用的工作者参考。

    作者简介

    李丽,吉林长春人,博士、教授,硕士生导师,深圳大学管理学院副院长。2001年广东省“千百十”人才,2004年度深圳市很好教师。出版著作9部,主持国家、省、市级项目10余项及10多项横向课题。其中国家社科基金项目“宏观税收负担数量分析模型”荣获吉林省教委科技进步一等奖;吉林省科委项目“数据包络分析在经济管理中的应用”荣获吉林省教委科技进步一等奖。目前研究方向为运筹与优化、智能决策与管理、智能计算,发表相关论文40余篇。
    牛奔,安徽全椒人,博士,硕士生导师。2008年1月毕业于中国科学院沈阳自动化研究所,获工学博士学位,并获得中国科学院院长很好奖、很好毕业生荣誉称号,学位论文被评为中国科学院沈阳自动化研究所很好博士学位论文。2008年3月至今在深圳大学管理学院工作。参与及主持国家、省、市级项目6项,主要从事智能系统理论与应用、人工生命、投资组合等方面的研究,发表相关学术论文40余篇(Snull

    精彩内容

    目录
    1绪论
    1.1相关背景
    1.2生物启发式计算
    1.2.1遗传算法
    1.2.2神经计算
    1.2.3模糊系统
    1.2.4其他生物启发式计算方法
    1.3群体智能
    1.3.1群体智能简介
    1.3.2群体智能的基本特性
    1.4群体智能算法及其研究现状
    1.4.1蚂蚁算法
    1.4.2粒子群优化算法
    1.4.3群体智能算法应用研究现状
    1.5展望
    参考文献

    2粒子群算法
    2.1引言
    2.2粒子群算法概述
    2.2.1粒子群算法的起源
    2.2.2原始粒子群算法
    2.2.3标准粒子群算法
    2.3标准测试函数
    2.4粒子群算法的实现
    参考文献

    3粒子群算法参数分析
    3.1引言
    3.2惯性权重分析
    3.2.1线性惯性权重策略
    3.2.2非线性惯性权重策略
    3.2.3其他策略
    3.3学习因子分析
    3.4其他参数分析
    参考文献

    4改进粒子群算法
    4.1粒子群算法改进研究综述
    4.1.1参数改进
    4.1.2拓扑结构的改进
    4.1.3混合策略
    4.1.4基于生物行为的改进
    4.2基于差分进化的一种新型混合粒子群算法
    4.2.1差分进化算法
    4.2.2基于差分进化的混合粒子群算法
    4.2.3试验设置与测试函数
    4.2.4试验结果
    4.3基于模拟退火思想的粒子群算法
    4.3.1概述
    4.3.2模拟退火算法
    4.3.3基于模拟退化思想的粒子群混合算法
    4.3.4实验设置与测试函数
    4.3.5实验结果
    4.4基于细菌趋化的改进粒子群算法
    4.4.1PSOBC算法
    4.4.2PSOBC算法实现步骤
    4.4.3实验与结果分析
    参考文献

    5粒子群算法的应用
    5.1基于粒子群算法的神经网络训练
    5.1.1问题背景
    5.1.2基于PSO的BP网络训练过程
    5.1.3实例研究
    5.2基于粒子群算法的PID参数整定
    5.2.1基于PSO的PID参数自整定方法
    5.2.2算法流程
    5.2.3算法实例
    5.3基于多群体协同粒子群算法的物流配送中心选址
    5.3.1引言
    5.3.2物流配送中心选址的数学模型
    5.3.3多群体协同粒子群算法
    5.3.4基于多群体协同粒子群算法的物流配送中心选址
    5.4基于多群体协同粒子群算法的模糊系统设计
    5.4.1基于MCPSO的模糊系统设计
    5.4.2T—S模糊模型
    5.4.3基于MCPSO的T—S模糊系统优化设计
    5.4.4实例研究
    5.5基于多群体协同粒子群算法的RFID读写器网络规划
    5.5.1引言
    5.5.2RFID读写器网络规划建模
    5.5.3基于MCPSO算法的RFID读写器网络规划
    5.5.4仿真实验
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购