正版 智能优化算法与涌现计算 李士勇 清华大学出版社 978730251

目录
第一篇仿人智能优化算法

第1章模糊逻辑算法

1．1模糊集合及其表示

1．2模糊集合的运算及其性质

1．3模糊关系与模糊矩阵

1．4模糊推理规则

1．5模糊系统的逼近特性

第2章神经网络算法

2．1神经细胞结构与功能

2．2人工神经元的基本特性

2．3人工神经网络及其特点

2．4前向神经网络的结构、训练及学习

2．5神经网络的学习规则

2．6前向网络误差反向传播学习算法及其逼近特性

第3章免疫算法

3．1免疫系统的基本概念

3．2免疫系统的组织结构

3．3免疫系统的免疫机制

3．4免疫系统的学习及优化机理

3．5免疫算法及克隆选择算法的实现步骤

第4章内分泌算法

4．1内分泌算法的提出

4．2内分泌与神经、免疫系统之间的关系

4．3生物内分泌系统

4．4内分泌激素调节规律的描述

4．5人工内分泌系统内分泌激素的调节机制

4．6基于内分泌调节机制的行为自组织算法的实现

第5章人工代谢算法

5．1人工代谢算法的提出

5．2人工代谢算法的原理

5．3人工代谢算法的描述

5．4人工代谢算法的实现流程

第6章膜计算

6．1膜计算的提出

6．2细胞膜的结构、模型及功能

6．3标准膜计算的原理

6．4标准膜计算的描述

6．5膜计算的过程及实现步骤

第7章禁忌搜索算法

7．1禁忌搜索算法的提出

7．2组合优化中的邻域概念

7．3局部搜索算法

7．4禁忌搜索算法

7．5禁忌搜索算法主要操作及参数

第8章和声搜索算法

8．1和声搜索算法的提出

8．2和声搜索算法的原理及结构

8．3和声搜索算法的主要步骤及流程

第9章思维进化算法

9．1思维进化算法的提出

9．2思维进化算法的基本思想

9．3思维进化算法的描述

9．4思维进化算法的实现步骤及流程

第10章社会进化算法

10．1社会进化算法的提出

10．2社会进化算法的基本思想

10．3多智能体社会进化系统

10．4社会进化算法的描述

10.5社会进化算法的实现步骤

第11章人口迁移算法

11．1人口迁移算法的提出

11．2人口迁移算法的原理

11．3人口迁移算法的描述

11．4人口迁移算法的实现步骤

第12章标杆学习算法

12．1标杆学习算法的提出

12．2标杆管理的基本思想

12．3标杆学习算法的基本原理

12．4标杆学习算法的数学描述

12．5标杆学习算法的实现流程

第13章瞭望算法

13．1瞭望算法的提出

13．2瞭望算法的基本原理

13．3瞭望算法的数学描述

13．4求解全局优化问题的瞭望算法的实现

第14章视觉认知优化算法

14．1视觉认知优化算法的提出

14．2视觉认知优化算法的原理

14．3视觉认知优化算法的描述与步骤

14．4算法的收敛性证明

14．5视觉认知优化算法的实现举例

14．6基于视觉认知的可视化算法

第15章头脑风暴优化算法

15．1头脑风暴优化算法的提出

15．2头脑风暴优化算法的基本思想

15．3头脑风暴过程的描述

15．4头脑风暴优化算法的描述及实现步骤

15．5基于讨论机制的头脑风暴优化算法

第16章随机聚焦搜索优化算法

16．1随机聚焦搜索优化算法的提出

16．2随机聚焦搜索优化算法的原理

16．3随机聚焦搜索优化算法的描述

16．4随机聚焦搜索算法的基本步骤

16．5基于随机聚焦搜索算法的冲压成形工艺优化

第17章教学优化算法

17．1教学优化算法的提出

17．2教学优化算法的原理

17．3教学优化算法的数学描述

17．4教学优化算法的实现步骤

第18章帝国竞争算法

18．1帝国竞争算法的提出

18．2帝国竞争算法的原理

18．3帝国竞争算法的数学描述

18．4帝国竞争算法的实现步骤及流程

第19章世界杯竞赛算法

19．1世界杯竞赛算法的提出

19．2世界杯竞赛算法的描述

19．3世界杯竞赛算法的实现流程

第20章集体决策优化算法

20．1集体决策优化算法的提出

20．2集体决策优化的基本思想

20．3集体决策优化算法的数学描述

20．4集体决策优化算法的实现

第二篇进 化 算 法

第21章遗传算法

21．1遗传算法的提出

21．2遗传算法的优化原理

21．3生物的遗传及遗传算法的基本概念

21．4遗传算法的基本操作

21．5遗传算法的求解步骤

21．6原对偶遗传算法

第22章遗传编程

22．1遗传编程的提出

22．2遗传编程的原理及基本操作

22．3遗传编程算法的设计步骤及流程

22．4遗传编程算法的本质属性

第23章进化规划

23．1进化规划的提出

23．2进化规划的原理及基本操作

23．3进化规划的实现步骤及流程

第24章进化策略

24．1进化策略的提出

24．2进化策略的基本原理

24．3进化策略的基本操作

24．4进化策略的实现步骤及流程

第25章分布估计算法

25．1分布估计算法的提出

25．2分布估计算法的基本原理

25．3分布估计算法的描述

25．4分布估计算法的基本步骤及流程

第26章差分进化算法

26．1差分进化算法的提出

26．2差分进化算法的原理

26．3差分进化算法的基本操作

26．4差分进化算法的实现步骤及流程

26．5差分进化算法的扩展形式

第27章DNA计算

27．1DNA计算的提出

27．2DNA计算的生物学基础

27．3DNA计算的基本原理及主要步骤

27．4DNA计算的基本操作

27．5DNA计算的编码问题

27．6DNA计算系统的原型

第28章基因表达式编程算法

28．1基因表达式编程算法的提出

28．2基因表达式编程算法的原理

28．3基因表达式编程的基本概念

28．4GEP算法的遗传操作

28．5基本的GEP算法流程

第29章Memetic算法

29．1Memetic算法的提出

29．2Memetic算法的原理

29．3Memetic算法的描述

29．4Memetic算法的流程

29．5Memetic算法的特点及其意义

第30章文化算法

30．1文化算法的提出

30．2文化算法的基本结构与原理

30．3文化算法求解约束优化问题的描述与设计

30．4基本文化算法的实现步骤及流程

第三篇群智能优化算法

第31章蚁群优化算法/蚁狮优化算法

31．1蚁群优化算法的提出

31．2蚂蚁的习性及觅食行为

31．3蚁群觅食策略的优化原理

31．4蚁群算法的原型——蚂蚁系统模型的描述

31．5基本蚁群算法的流程

31.6蚁狮优化算法的提出

31.7蚁狮的狩猎行为

31.8蚁狮优化算法的原理

31.9蚁狮优化算法的数学描述

31.10蚁狮优化算法的实现

第32章粒子群优化算法

32．1粒子群优化算法的提出

32．2粒子群优化算法的基本原理

32．3粒子群优化算法的描述

32．4粒子群优化算法的实现步骤及流程

32．5粒子群优化算法的特点及其改进

第33章人工蜂群算法/蜂群优化算法

33．1蜂群算法的提出

33．2人工蜂群算法的基本原理

33．3人工蜂群算法的描述

33．4人工蜂群算法的实现步骤与流程

33．5基于蜜蜂繁殖行为的蜂群优化算法

第34章混合蛙跳算法

34．1混合蛙跳算法的提出

34．2混合蛙跳算法的基本原理

34．3基本混合蛙跳算法的描述

34．4混合蛙跳算法的实现步骤

34．5混合蛙跳算法的流程

第35章人工鱼群算法

35．1人工鱼群算法的提出

35．2动物自治体模型与鱼类的觅食行为

35．3人工鱼群算法的基本原理

35．4人工鱼群算法的数学描述

35．5人工鱼群算法的流程

第36章大马哈鱼洄游算法

36．1大马哈鱼洄游算法的提出

36．2大马哈鱼的洄游习性

36．3大马哈鱼洄游算法的原理

36．4大马哈鱼洄游算法的描述

36．5大马哈鱼洄游算法的实现步骤及流程

第37章鲸鱼优化算法

37．1鲸鱼优化算法的提出

37．2鲸鱼的泡泡网觅食行为

37．3鲸鱼优化算法的原理

37．4鲸鱼优化算法的数学描述

37．5鲸鱼优化算法的实现步骤及流程

第38章磷虾群算法

38．1磷虾群算法的提出

38．2磷虾群算法的原理

38．3磷虾群算法的数学描述

38．4磷虾群算法的实现步骤及流程

第39章细菌觅食优化算法

39．1细菌觅食优化算法的提出

39．2大肠杆菌的结构及觅食行为

39．3细菌觅食优化算法的原理

39．4细菌觅食优化算法的数学描述

39．5细菌觅食优化算法的实现步骤及流程

第40章细菌(群体)趋药性算法

40．1细菌(群体)趋药性算法的提出

40．2细菌趋药性算法的原理

40．3细菌趋药性算法的数学描述

40．4细菌群体趋药性算法的基本思想

40．5细菌群体趋药性算法的数学描述

40．6细菌群体趋药性算法的实现步骤

第41章细菌菌落优化算法

41．1细菌菌落优化算法的提出

41．2细菌的生长、繁殖、死亡过程

41．3细菌菌落优化算法的原理

41．4细菌菌落优化算法的设计

41．5细菌菌落优化算法的实现步骤及流程

第42章猫群优化算法

42．1猫群优化算法的提出

42．2猫的习性

42．3猫群优化算法的原理

42．4猫群优化算法的数学描述

42．5猫群优化算法的实现步骤

42．6猫群优化算法实现的程序流程

第43章鼠群优化算法

43．1鼠群优化算法的提出

43．2鼠群优化算法的原理

43．3鼠群优化算法及其环境描述

43．4鼠群优化算法的实现步骤

第44章猫鼠种群算法

44．1猫鼠种群算法提出

44．2猫鼠种群算法的原理

44．3猫鼠种群算法的数学描述

44．4猫鼠种群算法的实现步骤及流程

第45章鸡群优化算法

45．1鸡群优化算法的提出

45．2鸡群优化算法的基本思想

45．3鸡群优化算法的数学描述

45．4鸡群优化算法的实现步骤及流程

第46章狼群算法

46．1狼群算法的提出

46．2狼的习性及狼群特征

46．3狼群算法的原理

46．4狼群算法的数学描述

46．5狼群算法的实现步骤及流程

第47章灰狼优化算法

47．1灰狼优化算法的提出

47．2灰狼的社会等级及狩猎行为

47．3灰狼优化算法的数学描述

47．4灰狼优化算法的实现步骤及流程

第48章狮子优化算法

48．1狮子优化算法的提出

48．2狮子的习性

48．3狮子优化算法的原理

48．4狮子优化算法的数学描述

48．5狮子优化算法的实现

第49章猴群算法

49．1猴群算法的提出

49．2猴群算法的原理

49．3猴群算法的数学描述

49．4猴群算法的实现步骤及流程

第50章雁群优化算法

50．1雁群优化算法的提出

50．2雁群飞行规则及其假设

50．3雁群优化算法的基本思想

50．4雁群优化算法的数学描述

50．5雁群优化算法的实现步骤及流程

第51章候鸟优化算法

51.1候鸟优化算法的提出

51.2候鸟Ｖ字形编队飞行的优化原理

51.3候鸟优化算法的描述

51.4候鸟优化算法的实现步骤及流程

51.5候鸟优化算法的特点及参数分析

第52章布谷鸟搜索算法

52.1布谷鸟搜索算法的提出

52.2布谷鸟的繁殖行为与Levy飞行

52.3布谷鸟搜索算法的原理

52.4布谷鸟搜索算法的数学描述

52.5布谷鸟搜索算法的实现步骤及流程

第53章萤火虫群优化算法/萤火虫算法

53.1萤火虫群优化算法的提出

53.2萤火虫闪光的特点及功能

53.3萤火虫群优化算法的数学描述

53.4萤火虫群优化算法的实现步骤及流程

53.5萤火虫算法的基本思想

53.6萤火虫算法的数学描述

53.7萤火虫算法的实现步骤及流程

第54章飞蛾扑火优化算法

54.1飞蛾扑火优化算法的提出

54.2飞蛾的横向导航方法

54.3飞蛾扑火的原理

54.4飞蛾扑火优化算法的数学描述

54.5飞蛾扑火优化算法的实现步骤

第55章蝙蝠算法

55.1蝙蝠算法的提出

55.2蝙蝠的习性及回声定位

55.3蝙蝠算法的基本思想

55.4蝙蝠算法的数学描述

55.5蝙蝠算法的实现步骤及流程

第56章果蝇优化算法

56.1果蝇优化算法的提出

56.2果蝇的生物价值及觅食行为

56.3果蝇优化算法的基本原理

56.4果蝇优化算法的数学描述

56.5果蝇优化算法的实现步骤及流程

第57章群居蜘蛛优化算法

57.1群居蜘蛛优化算法的提出

57.2蜘蛛的习性与特征

57.3群居蜘蛛优化算法的基本思想

57.4群居蜘蛛优化算法的数学描述

57.5蜘蛛优化算法的实现步骤及流程

第58章蟑螂优化算法

58.1蟑螂优化算法的提出

58.2蟑螂的习性

58.3蟑螂优化算法的原理

58.4蟑螂优化算法的数学描述

58.5蟑螂优化算法的实现步骤

第59章捕食搜索算法

59.1捕食搜索算法的提出

59.2动物捕食策略

59.3捕食搜索算法的基本思想

59.4捕食搜索算法的数学描述

59.5捕食搜索算法的实现步骤及流程

第60章自由搜索算法

60.1自由搜索算法的提出

60.2自由搜索算法的优化原理

60.3自由搜索算法的数学描述

60.4自由搜索算法的实现步骤及流程

第61章食物链算法

61.1食物链算法的提出

61.2捕食食物链

61.3人工捕食策略

61.4人工生命食物链的基本思想

61.5食物链算法的数学描述

61.6食物链算法的实现步骤及流程

第62章共生生物搜索算法

62.1共生生物搜索算法的提出

62.2共生生物搜索算法的原理

62.3共生生物搜索算法的数学描述

62.4SOS算法的实现步骤及流程

第63章生物地理学优化算法

63.1生物地理学优化算法的提出

63.2生物地理学的基本概念及生物物种迁移模型

63.3生物地理学优化算法的原理

63.4生物地理学优化算法的数学描述

63.5生物地理学优化算法的实现步骤及流程

第64章竞争优化算法

64.1竞争优化算法的提出

64.2竞争优化算法的原理

64.3竞争优化算法的描述

64.4竞争优化算法的实现步骤及流程

第四篇仿植物生长算法

第65章模拟植物生长算法

65．1模拟植物生长算法的提出

65．2模拟植物生长算法的原理

65．3模拟植物生长算法的数学描述

65．4模拟植物生长算法的实现步骤

第66章人工植物优化算法

66．1人工植物优化算法的提出

66．2人工植物优化算法的优

李士勇教授（二级），哈尔滨工业大学控制科学与工程国家一级重点学科博士生导师，黑龙江省很好专家，中国自动化学会智能自动化专业委员会委员。1967年毕业于哈尔滨工业大学工业自动化专业，1983年获哈尔滨工业大学自动控制专业硕士学位并留校任教。1992年4月至1993年10月公派赴日本千叶工业大学作为客座研究员从事模糊控制、神经网络、智能控制方面的合作研究。近30多年来，一直从事模糊控制、智能控制、智能优化算法、智能制导、复杂适应系统理论及其应用等方面的科研、教学和指导研究生工作。科研和教学成果共获重量奖2项，省部级7项，在国内外发表学术论文160余篇，近60篇被SCI、EI检索。作为作者出版专著及教材共14部，其中代表作《模糊控制·神经控制和智能控制论》荣获1999年“全国很好科技图书奖”暨“科技进步奖（科技著作）三等奖”；本书跻身于十大领域中国科技论文被引频次很高的前50部专著与译著排行榜；截至2015年11月底该书已被十大领域6232篇论文引用；美国IEEE Fellow、田纳西大学J.H.Hung(洪箴）教授1997年看过该著作后，曾给作者来信指出：“李教授在模糊控制、神经网（络）控制和智能控制方面有

智能优化算法与涌现计算是多种前沿学科交叉融合的结晶。主要包括：模拟人脑思维、人体细胞、器官等的仿人智能优化算法；模拟群居动物觅食或繁殖行为的群智能优化算法；模拟人类社会进化的进化算法；模拟植物生长的仿生算法；模拟自然现象或规律的自然计算；模拟复杂适应系统涌现行为的涌现计算等80余种算法。本书可作为智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、科研人员的参考书。

本书旨在开阔读者视野，启迪读者创新思维，激励广大学者在生生不息、丰富多彩的大自然中捕捉创新灵感。本书可供人工智能、人工生命、智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、研究人员及工程技术人员学习参考。