分布估计算法及其应用PDF|Epub|txt|kindle电子书版本网盘下载

分布估计算法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 最优化问题和优化算法1

1.1 最优化问题1

1.1.1 函数优化问题1

1.1.2 组合优化问题3

1.1.3 局部最优解和全局最优解4

1.2 计算复杂性5

1.2.1 算法复杂性5

1.2.2 问题复杂性5

1.3 智能优化算法7

1.3.1 优化算法7

1.3.2 智能优化算法8

1.3.3 基于概率模型的智能优化算法11

第2章 概率图模型基础15

2.1 概率论的基本概念15

2.2 图论的基本概念20

2.3 概率图模型概述21

2.4 贝叶斯网络22

2.5 高斯网络25

2.6 马尔科夫网络26

2.7 其他概率图模型26

第3章 遗传算法29

3.1 遗传算法的基本原理29

3.1.1 遗传算法的生物学基础30

3.1.2 遗传算法的基本流程30

3.2 遗传算法的实现32

3.2.1 编码32

3.2.2 选择34

3.2.3 交叉35

3.2.4 变异36

3.2.5 更新37

3.2.6 适应度函数37

3.2.7 控制参数设定39

3.3 遗传算法的理论基础40

3.3.1 模式定理40

3.3.2 积木块假设42

3.4 遗传算法存在的主要问题及其改进43

第4章 分布估计算法47

4.1 概述47

4.1.1 分布估计算法的基本原理48

4.1.2 分布估计算法的基本框架49

4.1.3 分布估计算法的发展50

4.1.4 分布估计算法的分类55

4.2 离散分布估计算法57

4.2.1 单变量离散分布估计算法57

4.2.2 双变量离散分布估计算法60

4.2.3 多变量离散分布估计算法63

4.3 连续分布估计算法66

4.3.1 单变量连续分布估计算法66

4.3.2 双变量连续分布估计算法68

4.3.3 多变量连续分布估计算法68

4.4 分布估计算法的收敛性分析72

第5章 分布估计算法的改进82

5.1 概述82

5.2 基于权重的多解竞争紧致遗传算法83

5.2.1 多解竞争紧致遗传算法83

5.2.2 两种基于权重的多解竞争紧致遗传算法83

5.2.3 实验与仿真85

5.3 克隆选择单变量边缘分布算法89

5.3.1 克隆选择算法89

5.3.2 排列编码单变量边缘分布算法90

5.3.3 克隆选择单变量边缘分布算法91

5.3.4 实验与仿真91

5.4 自适应实值分布估计算法93

5.4.1 实值分布估计算法存在的主要问题93

5.4.2 自适应实值分布估计算法100

5.4.3 实验与仿真100

5.5 基于自适应学习搜索框架的混合分布估计算法103

5.5.1 自适应学习搜索框架104

5.5.2 自适应学习搜索框架下的分布估计算法模型104

5.5.3 自适应学习搜索框架下的模拟退火算法模型105

5.5.4 基于自适应学习搜索框架的混合分布估计算法106

5.5.5 TSP仿真实验107

第6章 分布估计算法在制造单元设计中的应用114

6.1 制造单元设计问题114

6.2 基于遗传算法的制造单元设计问题116

6.3 基于分布估计算法的制造单元设计118

6.4 基于协同进化分布估计算法的制造单元设计119

6.4.1 协同进化算法120

6.4.2 协同进化分布估计算法121

6.4.3 合作协同进化UMDA算法求解制造单元设计问题122

6.5 结论123

第7章 分布估计算法在机器人路径规划中的应用127

7.1 机器人路径规划方法127

7.2 机器人运动空间建模129

7.3 基于分布估计算法的机器人路径规划131

7.3.1 采用Dijkstra算法产生初始路径131

7.3.2 PBIL算法132

7.3.3 路径编码方式133

7.3.4 基于PBIL算法的机器人路径规划134

第8章 其他基于概率模型的智能优化算法139

8.1 概述139

8.2 蚁群优化算法140

8.2.1 蚁群优化算法的基本原理140

8.2.2 蚁群优化算法的理论模型141

8.2.3 蚁群算法的实现142

8.3 交叉熵方法148

8.3.1 应用于小概率事件仿真的交叉熵方法148

8.3.2 应用于组合优化的交叉熵方法150

附录A PBIL算法的MATLAB程序155

附录B 分布估计算法MATLAB工具箱——MATEDA简介158