計算智能基礎理論與應用

目錄

 

 

第1章緒論1

1.1計算智能的定義1

1.1.1歷史背景1

1.1.2基本理論2

1.2計算智能的技術類別2

1.2.1智能優化算法2

1.2.2神經網絡技術3

1.3計算智能的未來展望3

1.3.1挑戰與機遇3

1.3.2理論與方法的發展趨勢5

習題6

第2章進化計算7

2.1概念及原理7

2.1.1基本概念7

2.1.2基本框架8

2.2遺傳算法11

2.2.1基本原理11

2.2.2算法流程11

2.2.3編碼表示11

2.2.4遺傳操作12

2.3進化規劃14

2.3.1基本原理14

2.3.2算法流程15

2.3.3進化規劃算子16

2.4進化策略17

2.4.1基本原理17

2.4.2算法流程18

2.4.3進化策略算子182.5遺傳規劃19

2.5.1基本原理19

2.5.2算法流程20

2.5.3種群表示20

2.5.4進化策略算子21

2.6差分進化算法24

2.6.1基本原理24

2.6.2算法流程24

2.6.3種群初始化及進化策略算子25

習題26

目錄〖3〗第3章群體智能27

3.1概念及原理27

3.1.1基本概念27

3.1.2基本框架27

3.2粒子群優化算法29

3.2.1基本原理29

3.2.2算法流程30

3.2.3連續目標粒子群優化算法31

3.2.4離散目標粒子群優化算法32

3.3蟻群算法33

3.3.1概述33

3.3.2基本原理33

3.3.3算法流程34

3.3.4改進蟻群算法34

3.3.5混合蟻群算法36

3.4蜂群算法37

3.4.1概述37

3.4.2算法流程37

3.4.3並行人工蜂群算法39

3.4.4混合人工蜂群算法40

3.4.5離散人工蜂群算法43

3.5煙花算法43

3.5.1概述43

3.5.2基本操作44

3.5.3算法流程45

3.5.4改進煙花算法47

3.5.5混合煙花算法50

3.5.6離散煙花算法50

3.6頭腦風暴優化算法51

3.6.1頭腦風暴優化算法原理52

3.6.2頭腦風暴優化算法框架52

習題55

第4章其他啟發式算法56

4.1分布估計算法56

4.1.1基本概念及原理56

4.1.2算法流程57

4.1.3改進算法60

4.1.4應用63

4.2模擬退火算法63

4.2.1基本原理63

4.2.2算法流程64

4.2.3改進模擬退火算法64

4.2.4並行模擬退火算法67

4.2.5多目標模擬退火算法67

4.3禁忌搜索算法67

4.3.1基本概念及原理67

4.3.2關鍵組成要素68

4.3.3算法流程步驟68

4.3.4改進禁忌搜索算法70

習題70

第5章神經網絡與深度學習71

5.1基本概念及原理71

5.1.1基本概念71

5.1.2神經元72

5.1.3優化方法75

5.1.4反向傳播78

5.1.5學習準則79

5.1.6優化問題80

5.2感知機82

5.2.1基本概念82

5.2.2單層感知機82

5.2.3多層感知機83

5.3卷積神經網絡84

5.3.1基本概念84

5.3.2卷積運算84

5.3.3卷積層85

5.3.4池化層86

5.3.5全連接層86

5.3.6典型卷積神經網絡87

5.4循環神經網絡90

5.4.1基本概念90

5.4.2長短期記憶網絡91

5.4.3門控神經網絡94

5.5圖神經網絡97

5.5.1基本概念97

5.5.2圖卷積網絡98

5.5.3圖註意力網絡98

5.5.4圖自編碼器100

5.5.5圖生成網絡100

5.5.6圖時空網絡101

5.6生成對抗網絡102

5.6.1概述102

5.6.2對抗過程102

5.6.3生成對抗網絡的經典變體104

5.7脈沖神經網絡106

5.7.1基本概念106

5.7.2脈沖神經元106

5.7.3編碼方法107

5.7.4學習法則110

5.7.5網絡結構112

習題113

第6章多目標優化算法114

6.1基本概念114

6.1.1基本概念描述114

6.1.2多目標優化算法分類115

6.2經典多目標優化算法115

6.2.1基於支配的多目標優化算法115

6.2.2基於分解的多目標優化算法117

6.2.3基於指標的多目標優化算法120

6.3高維多目標優化算法122

6.3.1概念描述122

6.3.2基於改進的Pareto方法122

6.3.3基於分解的方法122

6.3.4基於指標的方法125

6.4大規模多目標優化算法127

6.4.1基本概念和數學表述127

6.4.2基於決策變量分組的方法128

6.4.3基於決策變量降維的方法131

6.4.4基於新型搜索策略的方法132

6.5MOEA的性能評價指標133

6.5.1概念描述133

6.5.2基礎性能評價指標133

6.6測試問題135

6.6.1概念描述135

6.6.2多目標優化測試問題135

6.6.3大規模測試問題集146

習題151

第7章數據驅動優化算法152

7.1基本概念152

7.1.1數據驅動進化優化算法的概念152

7.1.2數據驅動進化優化算法的分類153

7.2在線數據驅動優化算法153

7.2.1概念描述153

7.2.2在線數據驅動多目標優化算法154

7.2.3在線數據驅動單目標優化算法160

7.3離線數據驅動優化算法165

7.3.1概念描述165

7.3.2離線數據驅動多目標優化算法166

7.3.3離線數據驅動單目標優化算法168

7.4其他數據驅動優化算法170

7.4.1存在延遲的多目標優化170

7.4.2不同精度的單目標優化171

7.5數據驅動優化算法的應用172

7.5.1高爐優化172

7.5.2翼型優化174

7.5.3進氣通風系統優化174

習題175

第8章神經架構搜索176

8.1基本概念176

8.1.1基本概念描述176

8.1.2基本框架描述177

8.2搜索空間設計177

8.2.1全局搜索空間177

8.2.2基於單元的搜索空間178

8.2.3基於塊的搜索空間180

8.2.4基於分層的搜索空間181

8.3搜索策略183

8.3.1基於網格搜索與隨機搜索183

8.3.2基於貝葉斯優化183

8.3.3基於強化學習184

8.3.4基於進化計算187

8.3.5基於梯度下降191

8.3.6基於代理模型193

8.3.7基於混合優化193

8.4性能評估方法194

8.4.1低保真度194

8.4.2早停法195

8.4.3代理模型196

8.4.4網絡態射196

8.4.5權重共享197

習題198

第9章應用199

9.1工業故障診斷和生命周期評估199

9.1.1應用背景199

9.1.2變壓器故障檢測199

9.1.3工業元件故障診斷200

9.1.4工業設施生命周期預測201

9.2高端裝備制造中的工藝優化202

9.2.1應用背景202

9.2.2工業氣體自動化脫硫操作202

9.2.3工業連續結晶過程優化203

9.3高速生產線開發優化和生產過程安全評估203

9.3.1應用背景203

9.3.2薄壁塑料產品自動生產204

9.3.3頁巖氣合成氣智能生產205

9.3.4工業安全隱患深度分類205

9.4臨床醫療智能與數據監控206

9.4.1應用背景206

9.4.2臨床疾病智能診斷207

9.4.3輔助外科立體定向放射治療208

9.4.4醫療數據安全監控208

9.5智能化醫學影像處理210

9.5.1應用背景210

9.5.2三維影像智能分割210

9.5.3磁共振成像多采樣圖像分割211

9.6其他領域的應用212

9.6.1應用背景212

9.6.2雲計算213

9.6.3霧計算213

9.6.4無線傳感網213

9.6.5移動自組織網絡214

9.6.6無人機集群214

9.6.7機器人214

9.6.8微電網215

9.6.9城市交通215