內容提要
本書是作者在自然計算領域中協同進化計算和多智慧型體系統研究方向上近幾年研究成果的系統總結。
編輯推薦
本書可以為計算機科學、信息科學、人工智慧自動化技術等領域從事自然計算、進化計算、協同進化計算、多智慧型體系統研究的相關專業技術人員提供參考，也可以作為相關專業研究生和高年級本科生教材。
圖書目錄
《智慧型科學技術著作叢書》序前言
第1章緒論
1.1從進化論到進化計算
1.1.1現代進化論
1.1.2生物進化與最佳化
1.2進化計算
1.2.1進化計算的主要分支
1.2.2進化計算的數學基礎
1.2.3進化算法的收斂性理論
1.2.4進化計算的套用
1.3協同進化計算
1.3.1協同進化的生物學基礎
1.3.2協同進化的動力學描述
1.3.3協同進化算法的發展現狀
1.4複雜適應系統
1.4.1複雜適應系統
1.4.2複雜適應系統的適應性與生物進化過程
1.4.3生物進化過程的數學模型
1.5多智慧型體系統
1.5.1智慧型體的基本概念
1.5.2智慧型體形式化描述
1.5.3多智慧型體系統的主要研究內容
1.5.4面向問題解決的多智慧型體系統研究現狀
1.5.5多智慧型體系統與分散式人工智慧
1.5.6多智慧型體系統與人工生命
1.5.7多智慧型體系統與進化計算
第2章組織協同進化分類算法
2.1分類問題與組織學習模型
2.2用於分類的組織
2.3組織適應度函式
2.4組織協同進化分類算法
2.5仿真實驗比較研究
2.5.1UCI標準數據集
2.5.2算法擴展性分析
2.6算法實際套用
2.6.1雷達一維像識別
2.6.2遙感艦船目標識別
第3章組織進化算法求解sAT問題
3.1用於SAT問題的組織
3.2組織進化運算元設計
3.2.1自學習運算元
3.2.2吞併運算元
3.2.3分裂運算元
3.3求解SAT問題的組織進化算法
3.4仿真實驗比較研究
第4章組織進化數值最佳化算法
4.1用於數值最佳化的組織
4.2組織進化運算元設計
4.2.1分裂運算元
4.2.2吞併運算元
4.2.3合作運算元
4.3組織進化數值最佳化算法
4.4收斂性證明
4.5無約束最佳化仿真實驗
4.5.1OEA的實驗結果
4.5.2OEA與FEP和OGA位的比較
4.6有約束最佳化仿真實驗
4.6.1OEA與已有方法的性能比較
4.6.2OEA的實驗結果
4.6.3種群規模對OEA求解無約束最佳化性能的影響
4.7參數機理研究
4.7.1參數AS和CS對OEA性能的影響
4.7.2參數maxos對OEA性能的影響
第5章移動模式序列——一種新的VLSI布圖表示方法
5.1布圖規劃問題
5.2矩形模組移動模式序列
5.2.1移動模式序列的定義
5.2.2移動模式序列到布局的轉換算法
5.2.3移動模式序列到布局轉換算法的正確性與計算複雜度分析
5.3直線邊界模組移動模式序列
5.3.1直線邊界模組的信息表示結構
5.3.2移動模式序列到布局的轉換算法
5.3.3移動模式序列到布局的轉換實例
第6章基於移動模式序列的組織進化算法
6.1求解布圖規劃問題的組織定義
6.2各類型模組形狀的確定
6.3組織進化運算元設計
6.3.1分裂運算元
6.3.2吞併運算元
6.3.3培訓運算元
6.4基於移動模式序列的組織進化算法
6.5仿真實驗比較研究
6.5.1硬矩形模組的布圖規劃實驗
6.5.2軟矩形模組的布圖規劃實驗
6.5.3軟矩形模組與硬直線邊界模組混合的布圖規劃實驗
第7章協同進化多目標最佳化算法求解VLSI布圖規劃問題
7.1多目標最佳化
7.1.1多目標最佳化問題的起源與數學模型
7.1.2經典的多目標進化算法
7.1.3種群多樣性
7.1.4性能評價方法
7.2協同進化多目標最佳化算法
7.2.1適應度定義與選擇機制
7.2.2協同進化運算元
7.2.3算法描述
7.2.4仿真實驗比較研究
7.3求解VLSI布圖規劃問題的協同進化多目標最佳化算法
7.3.1協同進化運算元設計
7.3.2算法描述
7.3.3仿真實驗比較研究
第8章用於超高維函式最佳化的多智慧型體遺傳算法
8.1用於函式最佳化的智慧型體
8.2智慧型體遺傳運算元設計
8.2.1鄰域競爭運算元
8.2.2鄰域正交交叉運算元
8.2.3變異運算元
8.2.4自學習運算元
8.3多智慧型體遺傳算法
8.4收斂性證明
8.5仿真實驗比較研究
8.5.1幾個典型算法
8.5.230維函式最佳化實驗
8.5.320-1000維函式最佳化實驗
8.5.41000～10000維函式最佳化實驗
8.6線性系統逼近問題仿真實驗
8.6.1自適應伸縮搜尋空間的方法
8.6.2自適應遺傳算法仿真實驗
8.6.3用於線性系統逼近的多智慧型體遺傳算法
8.6.4線性系統逼近問題仿真實驗
第9章可分解函式最佳化的宏智慧型體進化模型
9.1可分解函式
9.2宏智慧型體
9.3宏智慧型體進化模型
9.4層次多智慧型體遺傳算法
9.4.1算法描述
9.4.2收斂性證明與時間複雜度分析
9.4.3仿真實驗比較研究
第10章組合最佳化多智慧型體進化算法
10.1用於組合最佳化的智慧型體
10.2智慧型體的行為
10.2.1競爭行為
10.2.2自學習行為
10.3組合最佳化多智慧型體進化算法
10.4收斂性證明
10.5欺騙問題仿真實驗
10.5.1強聯結欺騙函式實驗
10.5.2弱聯結欺騙函式實驗
10.5.3重疊聯結欺騙函式實驗
10.6等級問題仿真實驗
10.6.1等級問題
10.6.2實驗結果
第11章約束滿足智慧型體進化算法
11.1約束滿足智慧型體
11.1.1約束滿足問題：
11.1.2約束滿足智慧型體的定義
11.1.3約束滿足智慧型體的生存環境
11.2約束滿足智慧型體的行為
11.2.1競爭行為
11.2.2自學習行為
11.2.3變異行為
11.3約束滿足智慧型體進化算法
11.4算法複雜性分析
11.4.1空間複雜度分析
11.4.2收斂性證明
11.5非排列式約束滿足問題仿真實驗
11.5.1與經典算法的性能比較研究
11.5.2算法參數機理分析
11.6排列式約束滿足問題仿真實驗
11.6.1n-皇后問題
11.6.2實驗結果
第12章多智慧型體進化算法的實際套用
12.1約束布局最佳化問題
12.1.1問題描述
12.1.2求解約束布局最佳化問題的多智慧型體遺傳算法
12.1.3仿真實驗比較研究
12.2時延受限組播路由問題
12.2.1組播路由算法概述
12.2.2搜尋空間動態擴展的多智慧型體進化算法求解時延受限組播路由問題
12.2.3仿真實驗研究
參考文獻
附錄A第4章的15個無約束最佳化測試函式
附錄B第4章的13個有約束最佳化測試函式
附錄C圖6.2布圖結果對應的形狀信息和移動模式序列
附錄D圖6.3布圖結果對應的形狀信息和移動模式序列
附錄E圖6.4布圖結果對應的形狀信息和移動模式序列
