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:

  • 正版新书]计算智能毕晓君9787115534767
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 毕晓君著 | 毕晓君编 | 毕晓君译 | 毕晓君绘
    • 出版社: 人民邮电出版社
    • 出版时间:2020-06-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 毕晓君著| 毕晓君编| 毕晓君译| 毕晓君绘
    • 出版社:人民邮电出版社
    • 出版时间:2020-06-01
    • 版次:1
    • 印次:1
    • 字数:455000
    • 页数:286
    • 开本:16开
    • ISBN:9787115534767
    • 版权提供:人民邮电出版社
  • 作者: 毕晓君
  • 著: 毕晓君
  • 装帧: 平装
  • 印次: 1
  • 定价: 59.8
  • ISBN: 9787115534767
  • 出版社: 人民邮电出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 中文
  • 出版时间: 2020-06-01
  • 页数: 286
  • 外部编号: 五三B117794
  • 版次: 1
  • 成品尺寸: 暂无
  • 01 绪论

    1.1 概述

    1.2 很优化问题及其数学模型

    1.3 很优化问题的分类

    1.4 很优化方法的发展及分类

    1.4.1 传统优化方法

    1.4.2 计算智能方法

    1.4.3 计算智能方法的特点

    1.5 计算智能方法的未来发展方向

    1.6 章节安排介绍

    1.7 本章小结

    1.8 习题

    02 人工神经网络理论

    2.1 概述

    2.2 人工神经网络基本理论

    2.2.1 人工神经元基本模型

    2.2.2 人工神经网络结构

    2.2.3 人工神经网络的学习

    2.3 前馈型神经网络的主要算法

    2.3.1 感知器

    2.3.2 BP网络

    2.3.3 RBF网络

    2.4 反馈型神经网络的主要算法

    2.4.1 Hopfield网络算法

    2.4.2 自组织映射网络算法

    2.5 基于MATLAB语言的人工神经网络工具箱

    2.5.1 基本功能介绍

    2.5.2 BP网络的MATLAB实现

    2.5.3 RBF网络的设计实例

    2.5.4 人工神经网络工具箱中的图形用户界面

    2.6 人工神经网络的应用实例

    2.7 本章小结

    2.8 习题

    03 遗传算法

    3.1 概述

    3.2 遗传算法的基本原理

    3.2.1 生物的进化过程

    3.2.2 遗传算法的基本思想

    3.2.3 遗传算法的具体步骤

    3.3 遗传算法应用中的常见问题

    3.3.1 染色体长度和初始种群的确定问题

    3.3.2 控制参数的选取问题

    3.3.3 遗传算子的具体操作问题

    3.3.4 收敛判据的确定问题

    3.4 遗传算法的应用实例

    3.5 本章小结

    3.6 习题

    04 蚁群算法

    4.1 概述

    4.2 蚂蚁群体的觅食过程

    4.3 蚁群算法的基本原理

    4.3.1 蚁群算法的数学模型

    4.3.2 蚁群算法的具体实现流程

    4.4 蚁群算法的参数选择

    4.5 改进的蚁群算法

    4.5.1 ACS模型

    4.5.2 MMAS模型

    4.6 蚁群算法的应用实例

    4.7 本章小结

    4.8 习题

    05 人工免疫算法

    5.1 概述

    5.2 人工免疫算法的生物学基础

    5.2.1 生物免疫系统的基本定义

    5.2.2 生物免疫系统的工作原理

    5.3 人工免疫算法的基本原理

    5.3.1 人工免疫算法的基本框架

    5.3.2 否定选择算法的基本原理

    5.3.3 免疫规划算法的基本原理

    5.3.4 克隆选择算法的基本原理

    5.4 人工免疫算法的应用实例

    5.5 本章小结

    5.6 习题

    06 粒子群优化算法

    6.1 概述

    6.2 粒子群优化算法的基本原理

    6.3 粒子群优化算法的改进

    6.3.1 带惯性权重的PSO算法

    6.3.2 带收缩因子的PSO算法

    6.3.3 基于种群分类与动态学习因子的PSO改进算法

    6.4 粒子群优化算法的应用实例

    6.5 本章小结

    6.6 习题

    07 人工蜂群算法

    7.1 概述

    7.2 人工蜂群算法的基本原理

    7.3 改进的人工蜂群算法

    7.3.1 针对高维复杂单目标优化问题的改进人工蜂群算法

    7.3.2 针对多峰优化问题的小生境人工蜂群算法

    7.4 人工蜂群算法的应用实例

    7.5 本章小结

    7.6 习题

    08 生物地理学优化算法

    8.1 概述

    8.2 生物地理学优化算法的基本原理

    8.3 生物地理学优化算法的基本流程

    8.3.1 迁移操作

    8.3.2 变异操作

    8.3.3 算法框架

    8.4 改进的生物地理学优化算法

    8.4.1 混合型迁移操作

    8.4.2 局部化生物地理学优化算法

    8.4.3 生态地理学优化算法

    8.5 生物地理学优化算法的应用实例

    8.6 本章小结

    8.7 习题

    09 多目标优化算法

    9.1 概述

    9.2 三代多目标优化算法

    9.2.1 代多目标优化算法

    9.2.2 第二代多目标优化算法

    9.2.3 第三代多目标优化算法

    9.3 高维多目标优化算法

    9.3.1 基于分解的多目标优化算法

    9.3.2 NSGA-III

    9.3.3 NSGA-III-OSD

    9.4 多目标优化算法的测试函数和评价指标

    9.4.1 测试函数

    9.4.2 评价指标

    9.5 多目标优化算法的测试实例和应用实例

    9.6 本章小结

    9.7 习题

    10 约束优化算法

    10.1 概述

    10.2 约束处理技术

    10.2.1 惩罚函数法

    10.2.2 随机排序法

    10.2.3 可行性准则

    10.2.4 ε约束法

    10.2.5 多目标优化法

    10.2.6 双种群存储技术

    10.3 约束单目标优化算法

    10.3.1 基于随机排序法的约束单目标优化算法

    10.3.2 基于ε约束法的约束单目标优化算法

    10.3.3 基于双种群存储技术的约束单目标优化算法

    10.3.4 约束单目标优化测试函数

    10.4 约束多目标优化算法

    10.4.1 基于随机排序法的约束多目标优化算法

    10.4.2 基于双种群存储技术的约束多目标优化算法

    10.4.3 基于ε约束法的约束多目标优化算法

    10.4.4 约束多目标优化测试函数

    10.5 约束优化算法的应用实例

    10.6 本章小结

    10.7 习题

    参考文献

    毕晓君,中央民族大学信息工程学院教授、博导,哈尔滨工程大学信息与通信工程学院兼职教授。长期从事信息智能处理技术与数字电子技术方向的课程教学工作,主要研究领域涉及智能优化算法、机器学习、数字图像处理等。

    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