相關商品
商品簡介
商品簡介
分佈估計演算法是在遺傳演算法基礎上形成和發展起來的一類基於概率模型的智慧優化演算法。演算法通過建立概率模型描述變數之間的相關關係，可以解決傳統遺傳演算法中交叉和變異運算元存在的積木塊被破壞的問題；比遺傳演算法具有更好的解決非線性、高維複雜問題的能力；同時比傳統的遺傳演算法具有更高的理論基礎和進化導向性。正是由於分佈估計演算法的這些優勢，使其成為了當今國際進化計算領域的研究熱點。
本書首先對貝葉斯網路、高斯網路、瑪律科夫網路等概率圖模型進行了分析，然後對遺傳演算法的基本原理、運算流程和理論基礎進行了總結，針對遺傳運算元在求解複雜問題時存在的積木塊破壞問題，提出了改進方向。本書詳細分析了分佈估計演算法的進化機制、運算框架以及發展歷程，歸納了基於不同概率模型的分佈估計演算法，闡述了不同演算法的應用範圍，並對演算法的收斂性進行了簡要分析。隨後本書總結了分佈估計演算法進行改進的基本策略，提出了幾種改進演算法，算例驗證了改進演算法的有效性。在演算法應用方面，本書介紹了分佈估計演算法在製造單元設計和機器人路徑規劃等方面的應用。本書還在基於概率模型的智慧優化演算法框架下簡要介紹了蟻群演算法和交叉熵演算法。最後，本書在附錄中提供了PBIL 演算法的MATLAB來源程式以及分佈估計演算法MATLAB工具箱MATEDA的使用簡介。
本書首先對貝葉斯網路、高斯網路、瑪律科夫網路等概率圖模型進行了分析，然後對遺傳演算法的基本原理、運算流程和理論基礎進行了總結，針對遺傳運算元在求解複雜問題時存在的積木塊破壞問題，提出了改進方向。本書詳細分析了分佈估計演算法的進化機制、運算框架以及發展歷程，歸納了基於不同概率模型的分佈估計演算法，闡述了不同演算法的應用範圍，並對演算法的收斂性進行了簡要分析。隨後本書總結了分佈估計演算法進行改進的基本策略，提出了幾種改進演算法，算例驗證了改進演算法的有效性。在演算法應用方面，本書介紹了分佈估計演算法在製造單元設計和機器人路徑規劃等方面的應用。本書還在基於概率模型的智慧優化演算法框架下簡要介紹了蟻群演算法和交叉熵演算法。最後，本書在附錄中提供了PBIL 演算法的MATLAB來源程式以及分佈估計演算法MATLAB工具箱MATEDA的使用簡介。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。