現代智能優化混合算法及其應用（簡體書）

《現代智能優化混合算法及其應用》系統討論了現今應用較為廣泛的幾種智能優化混合算法，主要內容來源于作者多年的研究成果，使讀者比較全面地了解智能優化混合算法的相關知識及應用。《現代智能優化混合算法及其應用》理論聯系實際，集知識性、專業性、操作性、技能性為一體，對智能優化混合算法的原理、步驟、應用等進行了全面且詳細的介紹。
智能優化混合算法是一種以某類優化算法為基礎，融合其他智能算法或理論的混合算法，可用于求解各種工程問題優化解。

《現代智能優化混合算法及其應用》是由電子工業出版社出版的。

目 錄
第1章 緒論 1
1.1 智能優化算法簡介 1
1.1.1 遺傳算法簡介 1
1.1.2 蟻群算法簡介 11
1.1.3 退火算法簡介 20
1.2 混合優化算法簡介 32
1.2.1 混合優化算法概述 32
1.2.2 混合優化算法現狀 32
1.3 本章小結 33

第2章 混合遺傳算法 34
2.1 基本遺傳算法 34
2.1.1 基本遺傳算法及流程圖 34
2.1.2 基本遺傳算法的特點 43
2.2 改進的遺傳算法 44
2.2.1 雙閾值控制的遺傳算法 44
2.2.2 改進的偽并行遺傳算法 49
2.2.3 改進的小生境遺傳算法 53
2.2.4 改進的自適應遺傳算法 56
2.2.5 基于免疫原理的新優化遺傳算法 58
2.2.6 模式理論及模式導向的遺傳算法 65
2.2.7 改進的雙倍體遺傳算法 68
2.2.8 改進的并行遺傳算法 75
2.3 遺傳算法與其他優化算法的融合 80
2.3.1 病毒進化遺傳算法 80
2.3.2 改進的DNA免疫遺傳算法 83
2.4 本章小結 86

第3章 混合蟻群算法 87
3.1 基本蟻群算法 87
3.1.1 基本蟻群算法及流程圖 87
3.1.2 基本蟻群算法的特點 92
3.2 改進的蟻群算法 93
3.2.1 一種改進的非均勻窗口蟻群算法 93
3.2.2 基于變異和動態信息素更新的蟻群優化算法 99
3.3 蟻群、遺傳算法的融合——動態蟻群遺傳算法 102
3.4 本章小結 106

第4章 混合退火算法 107
4.1 基本退火算法 107
4.1.1 基本退火算法及流程圖 107
4.1.2 基本退火算法的特點 112
4.2 退火算法與其他優化算法的融合 113
4.2.1 改進的遺傳退火算法 113
4.2.2 基于學習機制的退火并行遺傳算法 117
4.3 本章小結 122

第5章 其他典型混合優化算法 123
5.1 禁忌-并行混合遺傳算法 123
5.1.1 禁忌-并行遺傳算法的關鍵技術 124
5.1.2 混合算法流程 126
5.2 周期性病毒進化遺傳算法 127
5.2.1 新的周期性病毒進化遺傳算法的基本思想 127
5.2.2 改進的周期性病毒進化遺傳算法流程 131
5.2.3 改進的周期性病毒進化遺傳算法的優點 131
5.3 改進的決策樹學習算法 132
5.4 改進的廣義粒子群優化算法 137
5.4.1 基本粒子群優化算法介紹 137
5.4.2 基本粒子群優化機理分析 138
5.4.3 廣義粒子群優化算法模型 139
5.4.4 GPSO的具體流程 141
5.5 一種基于粒子群優化的反向傳播神經網絡算法 142
5.6 一種基于混沌優化的模糊聚類方法 148
5.6.1 聚類的定義 148
5.6.2 基于混沌優化的模糊聚類 149
5.7 本章小結 152

第6章 混合優化算法的典型應用 153
6.1 TSP問題 153
6.1.1 旅行商問題模型 153
6.1.2 動態蟻群遺傳算法求解TSP問題 155
6.2 0-1背包問題 160
6.2.1 0-1背包問題模型 160
6.2.2 使用改進的遺傳退火算法求解0-1背包問題 164
6.3 車間調度問題 169
6.3.1 車間調度問題的描述 170
6.3.2 雙閾值控制的遺傳算法求解車間調度問題 171
6.4 車輛路徑問題 177
6.4.1 車輛路徑問題描述 177
6.4.2 自適應遺傳算法求解車輛路徑問題 180
6.5 裝箱問題 184
6.5.1 裝箱問題描述 185
6.5.2 使用基于學習機制的退火并行遺傳算法求解裝箱問題 188
6.6 圖著色問題 194
6.6.1 圖著色問題描述 194
6.6.2 周期性病毒進化遺傳算法求解圖著色問題 195
6.7 本章小結 200

第7章 總結及展望 201
7.1 主要工作總結及創新 201
7.2 未來發展方向 203
7.3 本章小結 205
參考文獻 206

1998年，蔡文學等人對應用于平面析架結構拓撲優化設計中的模擬退火算法進行了研究，構造了一個雙重控制Metropolis準則處理應力約束，提出了一個基于力平衡的啟發式準則，以實現優化過程中單元的自動增刪，該方法能夠克服析架結構拓撲優化中因存在非凸星形可行域而造成的拓撲優化求解困難。康立山等于1999年出版了《非數值并行算法》（第一冊），其中對并行的模擬退火算法做了比較概括、系統的總結和歸納：同年，王子才等人提出基于混沌變量的一種混沌模擬退火優化算法，并給出了初始溫度的確定方法。改進後算法的主要思想是：利用混沌變量對當前點進行擾動，隨著搜索的深入逐漸減小擾動的幅度，該方法顯著提高了全局優化問題求解過程中的計算效率；同年，王雅琳等人對模擬退火算法的搜索過程進行了深入的研究，對模擬退火算法在搜索初期和後期2種情況下算法可能長期陷入局部點無法跳出的原因進行了分析，并分別采用變異操作和擴大搜索空間的方法對一種單循環模擬退火算法進行改進。
2000年，向陽等人對推廣模擬退火方法的基本思想及其統計基礎進行了介紹，使用一系列標準函數對推廣模擬退火算法的性能進行了測試，討論了推廣模擬退火方法的效率隨體系復雜性的變化規律；同年，席自強針對模擬退火算法本身存在的收斂慢、費時較多和效率較低等不足，將模擬退火算法與單純型法有機地結合在一起，形成了一種新的改進的優化算法——單純形模擬退火算法，改進後的算法收斂速度明顯加快、解的質量明顯提高，融合了單純形法和模擬退火算法各自的優點。