前言
緒論
第一篇 遺傳算法
第1章 遺傳算法簡介
1.1 遺傳算法的發展歷史
1.2 遺傳算法的基本原理
1.3 遺傳算法的數學機理
1.4 遺傳算法的特點
參考文獻
第2章 遺傳算法求解傳統旅行商問
2.1 TSP的數學描述
2.2 求解TSP的遺傳算法
2.3 模擬實驗結果與分析
本章小結
參考文獻
第3章 遺傳算法求解有約束旅行商問題
3.1 三類有約束的
3.2 有約束TSP的求解
3.3 模擬實驗結果
本章小結
參考文獻
第4章 遺傳算法求解廣義旅行商問題
4.1 廣義旅行商問題
4.2 廣義染色體遺傳算法
4.3 廣義染色體遺傳算法的若干分析
4.4 數值模擬實驗
本章小結
參考文獻
第二篇 粒子群優化算法
第5章 粒子群優化簡介
5.1 粒子群優化算法原理
5.2 粒子群優化算法同其他算法的比較
5.3 粒子群優化算法應用
本章小結
參考文獻
第6章 離散PSO算法解決(廣義)旅行商問題
6.1 離散PSO算法及其在TSP中的應用
6.2 離散PSO算法在廣義TSP中的擴展
參考文獻
第7章 基干粒子群優化的車間作業調度問題求解
7.1 車間調度問題描述
7.2 調度性能指標與調度解分類
7.3 基于粒子群優化的JSSP求解
7.4 數值模擬實驗
參考文獻
第三篇 蟻群算法
第8章 蟻群算法簡介
8.1 蟻群算法起源及發展
8.2 蟻群算法的原理
5.3 蟻群算法的特點
參考文獻
第9章 蟻群算法在求解旅行商問題中的應用
9.1 基本蟻群算法求解旅行商問題
9.2 蟻群算法求解廣義旅行商問題
9.3 蟻群算法求解帶時間窗的利潤收集
參考文獻
第10章 蟻群算法在求解車間調度問題中的應用
10.1 相遇算法
10.2 Job-Shop問題的圖形化定義
10.3 求解Job-Shop問題的相遇算法
10.4 MMMS與SA的混合算法求解Job-Shop問題
10.5 數值模擬實驗
參考文獻
第四篇 免疫算法
第11章 免疫算法簡介
11.1 人工免疫系統的概念與範疇
11.2 人工免疫系統原理
11.3 免疫算法與體液免疫的關系
11.4 免疫算法的運行機制
參考文獻
第12章 基于人工免疫系統的旅行商問題求解
12.1 親和度
12.2 變異操作
12.3 克隆選擇
12.4 疫苗接種
12.5 免疫記憶
12.6 算法步驟
12.7 數值模擬實驗
參考文獻
第13章 基于人工免疫系統的車間作業調度問題求解
13.1 抗體群初始化算法
13.2 親和力的計算和調整
13.3 克隆選擇
13.4 疫苗接種和變異
13.5 受體編輯
13.6 基于免疫系統求解車間作業調度問題的流程
13.7 數值模擬實驗
參考文獻
第五篇 其他群智能優化算法
第14章 細菌覓食算法
14.1 算法簡介
14.2 細菌覓食算法分析
14.3 求解車間調度問題
14.4 仿真實驗及結果分析
本章小結
參考文獻
第15章 Memetic算法
15.1 算法簡介
15.2 算法實現框架
15.3 克隆選擇Memetic算法
15.4 數值模擬試驗及結果
本章小結
參考文獻
第六篇 混合群智能優化算法及應用
第16章 基于隱馬爾可夫模型和免疫粒子群優化的多序列比對算法
16.1 多重序列比對與HMM簡介
16.2 免疫粒子群優化算法
16.3 基于IPSO的多序列比對
16.4 數值模擬實驗
本章小結
參考文獻
第17章 粒子-免疫算法求解車間作業調度問題
17.1 基于PSO和AIS的混合智能算法
17.2 數值模擬實驗及結果
參考文獻
第18章 基于群智能的混合算法
18.1 基于群智能的混合模式
18.2 各種混合模式的分析
18.3 數值計算及結果比較
本章小結
參考文獻
