計算智能方法（簡體書）

本項目在現有教材的基礎上，引入在人工智能廣泛採用的動態進化算法，滿足廣大學生的需要。另外本項目將現有算法進行分類，學習內容逐章加深，並增加問題與思考部分，引導學生深入領悟算法的本質，這是本項目的一個顯著創新點。其次，本項目將在申請人大量閱讀現有**文獻的基礎之上，設計**穎的內容結構，給出最前沿的理論方法。最後，人工智能的蓬勃發展，也迫切需要全面**的智能計算方法，作為高年級本科生教材，亦可供相關專業的研究人員和工程技術人員參考。

宋睿卓,北京科技大學自動化學院教授，博士生導師。主要研究方向為智能控制、自適應動態規劃、博弈理論、基於數據控制、最優控制等。

（1）本書聚焦智能計算核心算法，拓寬讀者視野，優化讀者知識結構。
（2）書中內容講解循序漸進，深入淺出，符合初學者學習的認識規律，易於讀者學習和掌握。
（3）以經典進化計算為切入點，逐步拓展到群智能計算與神經計算算法。
（4）每章介紹相應算法的最新研究動態，提供最新的研究成果。
（5）提供算法模型實例及對應的Python或MATLAB代碼，幫助讀者進一步鞏固和掌握知識點。

智能計算是基於傳統計算方法發展而來並有別於傳統計算方法的計算技術的統稱。智能計算是人類受自然界生物群體的客觀規律和生物思考、運動等行為的啟發而發展起來的包含進化計算、群智能計算、神經計算等諸多算法的計算方法。這些算法多是通過模擬自然界某些物種的特殊功能或自然界的一些特性實現智能計算的目的，並將生物群體的智能和部分自然規律進行程序化和可執行化，從而設計出具有智能本質的優化算法。

因此，智能計算的本質可以理解為通過模擬生物和自然界智能來求解複雜問題的方法和技術，將特定的問題抽象成數學模型進行描述，並在此基礎上綜合運用編程、計算和可視化等技術對其中的數據進行知識挖掘和規律整理。

隨著計算機技術的飛速發展，大數據時代已經到來，這也使人工智能得以迅速崛起並發展。機器學習正是人工智能研究中的核心內容，也是使計算機實現智能計算的根本途徑。目前，機器學習已成為智能計算的一個重要分支與新的發展方向。

本書針對組成智能計算的核心計算方法進行研究，以經典進化計算作為切入點，並根據自然界生物運動行為的啟發，拓展到群智能計算與神經計算算法，提供了最新的研究成果。同時，隨著人工智能的迅猛發展，本書也對機器學習這一智能計算最新發展方向的不同算法分類與應用實例進行了詳細研究與介紹。

考慮目前智能計算算法的廣泛應用，本書添加了大量的算法模型實例及相應的Python或MATLAB代碼，並在每章中都介紹了相應算法的最新研究動態，方便讀者進行操作與復現，建議讀者對本書提供的算例進行進一步的拓展與思考。

本書是編者及其團隊的共同心血，感謝團隊成員中的邢適、馬騰聰、曹槐、陳文澤、盧想，在本書編纂過程中，以上同學參與並協助完成了資料收集、代碼整理實現以及文稿校對等工作。

由於編者水平有限，加之時間倉促，書中難免存在不足之處，敬請讀者指正。

全書代碼

編者
2023年9月

章緒論

1．1智能計算概述

1．2進化計算

1．3群智能計算

1．4神經計算

1．5機器學習

第2章進化計算中的遺傳算法

2．1遺傳算法概述

2．1．1遺傳算法

2．1．2基本原理圖

2．1．3模式定理

2．1．4積木塊假設

2．1．5研究進展

2．2遺傳算法的流程

2．2．1科學定義

2．2．2執行過程

2．2．3基本本質

2．2．4染色體編碼

2．2．5群體初始化

2．2．6適應度值評價

2．2．7選擇算子

2．2．8交叉算子

2．2．9變異算子

2．2．10流程圖和偽代碼

2．3遺傳算法的改進

2．3．1算子選擇

2．3．2參數設置

2．3．3混合遺傳算法

2．3．4並行遺傳算法

2．4遺傳算法的編碼規則

2．4．1二進制編碼法

2．4．2浮點編碼法

2．4．3符號編碼法

2．5遺傳算法的應用

2．6遺傳算法的相關應用與MATLAB算例

2．6．1遺傳算法實例1

2．6．2遺傳算法實例2

2．7遺傳算法總結

第3章群智能計算

3．1粒子群優化算法

3．1．1粒子群優化算法簡介

3．1．2粒子群優化算法的基本流程

3．1．3粒子群算法分類

3．1．4粒子群優化算法的改進研究

3．1．5粒子群優化算法的參數設置

3．1．6粒子群優化算法與遺傳算法的比較

……

第4章 神經計算

第5章 機器學習