智能計算與優化(Python語言實現)
鄭小洋
- 出版商: 清華大學
- 出版日期: 2026-10-01
- 售價: $354
- 語言: 簡體中文
- 頁數: 264
- ISBN: 7302727767
- ISBN-13: 9787302727767
-
相關分類:
Machine Learning、DeepLearning、Python
下單後立即進貨 (約4週~6週)
相關主題
商品描述
《智能計算與優化(Python語言實現)》闡述了優化理論及智能計算的基本原理,並以Python語言實現相關算法,內容包括最小二乘法的原理、優化問題的疊代解法、BP神經網絡、卷積神經網絡、粒子群算法、遺傳算法、蟻群算法、模糊集及其應用、模糊邏輯及其應用等。全書構建了從優化算法和智能算法的基本原理、主流方法到Python實現再到實驗(課程設計)的“智能計算與優化”課程教學體系。可作為本科高年級智能計算與優化相關課程的教材,也可以作為研究生及相關愛好者系統了解智能計算及人工智能領域的參考書。
作者簡介
鄭小洋,從事智能算法、大數據建模與分析的研究。主持校教研項目2項,編寫教材2部,承擔智能計算與優化、人工智能概論、人工智能的數學基礎課程的教學。已在Applied Mathematics and Computation,International Journal of Computer Mathematics等國際刊物發表論文30余篇,SCI檢索11篇。作為主編出版的教材:《高等數學實驗》,西南交通大學出版社,2009年。作為第二副主編出版的教材:《人工智能概論》,清華大學出版社,2020年。學科教學:獲得2007、2009、2012、2020年全國大學生數學建模競賽重慶賽區優秀教練,指導學生參加全國大學生數學建模競賽獲得2007、2009、2020年全國一等獎,指導學生參加美國大學生數學建模競賽獲得2012、2018年國際一等獎,指導研究生數學建模競賽獲得2012、2016年全國一等獎。
目錄大綱
目錄
第一篇最優化基礎理論
第1章最小二乘法3
1.1最小二乘法的原理3
1.2最小二乘法的應用6
1.2.1多項式擬合7
1.2.2非線性函數擬合11
1.3最小二乘法在灰色預測參數估計中的應用17
習題21
實驗1Python代碼實現非線性曲線逼近的參數估計21
第2章優化問題的疊代解法25
2.1優化問題概述25
2.1.1優化問題的最優解及最優值25
2.1.2凸函數及凸規劃25
2.1.3優化問題的疊代法求解26
2.1.4優化問題的一維搜索疊代法求解27
2.2優化問題的梯度下降疊代法求解27
2.2.1梯度下降法27
2.2.2實例+Python代碼28
2.3優化問題的牛頓疊代法求解32
2.3.1牛頓疊代法32
2.3.2實例+Python代碼33
2.4優化問題的擬牛頓法求解36
2.4.1擬牛頓法36
2.4.2實例+Python代碼37
2.4.3優化問題的直接疊代法求解39
2.5約束優化的疊代法42
2.5.1單純形法42
2.5.2罰函數法48
習題52
實驗2Python代碼實現疊代法求解優化問題52
第二篇人工神經網絡
第3章BP神經網絡59
3.1感知器模型60
3.1.1單感知器模型60
3.1.2感知器的激活函數類型61
3.2單感知器用於解決簡單分類問題64
3.2.1線性可分64
3.2.2單感知器解決線性可分問題64
3.3單層前向神經網絡67
3.3.1單層前向神經網絡的數學模型67
3.3.2單層前向神經網絡的誤差函數67
3.3.3線性單層前向神經網絡的優化計算68
3.4雙層前向神經網絡68
3.5BP神經網絡解決預測問題69
3.6BP神經網絡解決分類問題79
習題95
實驗3Python代碼實現兩個隱藏層的BP神經網絡鳶尾花分類95
第4章卷積神經網絡101
4.1卷積神經網絡的結構102
4.1.1卷積102
4.1.2池化104
4.2卷積神經網絡的參數配置105
4.2.1網絡相關的超參數105
4.2.2卷積層相關參數105
4.2.3池化層相關參數107
習題114
實驗4Python代碼實現AlexNet架構分類114
第三篇群智能算法
第5章粒子群算法125
5.1粒子群算法的原理126
5.2粒子群算法的優缺點及程序設計127
5.2.1粒子群算法的優點及缺點127
5.2.2粒子群算法的程序設計127
5.2.3粒子群算法的參數選取127
5.3粒子群算法實例128
習題146
實驗5Python代碼實現粒子群算法求解優化問題146
第6章遺傳算法160
6.1遺傳算法的原理160
6.1.1生物進化理論和遺傳算法的知識160
6.1.2遺傳算法的基本思想161
6.1.3遺傳算法的特點及基本操作161
6.2基本遺傳算法162
6.3簡單函數優化的基本遺傳算法實現165
6.3.1簡單函數優化問題165
6.3.2簡單遺傳算法的深入討論172
習題191
實驗6Python代碼實現遺傳算法求解多元約束優化問題191
第7章蟻群算法197
7.1蟻群算法的原理197
7.2蟻群算法的流程198
7.3實例+Python代碼199
習題203
實驗7Python代碼實現群智能算法解決旅行商問題203
第四篇模糊集與模糊邏輯
第8章模糊集及其應用219
8.1模糊集及運算219
8.1.1模糊集的定義及運算219
8.1.2隸屬度函數的確定方法222
8.2模糊關系及模糊矩陣224
8.2.1模糊關系的基本概念224
8.2.2模糊矩陣的運算及其性質225
8.3模糊聚類227
8.3.1Kmeans聚類227
8.3.2模糊Kmeans聚類228
8.3.3模糊Kmeans聚類實例229
習題232
第9章模糊邏輯及其應用233
9.1語言學變量和模糊規則233
9.2模糊邏輯234
9.3模糊推理234
9.4基於置信度的推理235
9.5模糊推理系統237
9.6模糊控制理論240
9.7模糊神經網絡241
習題247
實驗8Python代碼實現模糊控制問題248
參考文獻254







