目录
第1章绪论1
1.1计算智能的定义1
1.1.1历史背景1
1.1.2基本理论2
1.2计算智能的技术类别2
1.2.1智能优化算法2
1.2.2神经网络技术3
1.3计算智能的未来展望3
1.3.1挑战与机遇3
1.3.2理论与方法的发展趋势5
习题6
第2章进化计算7
2.1概念及原理7
2.1.1基本概念7
2.1.2基本框架8
2.2遗传算法11
2.2.1基本原理11
2.2.2算法流程11
2.2.3编码表示11
2.2.4遗传操作12
2.3进化规划14
2.3.1基本原理14
2.3.2算法流程15
2.3.3进化规划算子16
2.4进化策略17
2.4.1基本原理17
2.4.2算法流程18
2.4.3进化策略算子182.5遗传规划19
2.5.1基本原理19
2.5.2算法流程20
2.5.3种群表示20
2.5.4进化策略算子21
2.6差分进化算法24
2.6.1基本原理24
2.6.2算法流程24
2.6.3种群初始化及进化策略算子25
习题26
目录〖3〗第3章群体智能27
3.1概念及原理27
3.1.1基本概念27
3.1.2基本框架27
3.2粒子群优化算法29
3.2.1基本原理29
3.2.2算法流程30
3.2.3连续目标粒子群优化算法31
3.2.4离散目标粒子群优化算法32
3.3蚁群算法33
3.3.1概述33
3.3.2基本原理33
3.3.3算法流程34
3.3.4改进蚁群算法34
3.3.5混合蚁群算法36
3.4蜂群算法37
3.4.1概述37
3.4.2算法流程37
3.4.3并行人工蜂群算法39
3.4.4混合人工蜂群算法40
3.4.5离散人工蜂群算法43
3.5烟花算法43
3.5.1概述43
3.5.2基本操作44
3.5.3算法流程45
3.5.4改进烟花算法47
3.5.5混合烟花算法50
3.5.6离散烟花算法50
3.6头脑风暴优化算法51
3.6.1头脑风暴优化算法原理52
3.6.2头脑风暴优化算法框架52
习题55
第4章其他启发式算法56
4.1分布估计算法56
4.1.1基本概念及原理56
4.1.2算法流程57
4.1.3改进算法60
4.1.4应用63
4.2模拟退火算法63
4.2.1基本原理63
4.2.2算法流程64
4.2.3改进模拟退火算法64
4.2.4并行模拟退火算法67
4.2.5多目标模拟退火算法67
4.3禁忌搜索算法67
4.3.1基本概念及原理67
4.3.2关键组成要素68
4.3.3算法流程步骤68
4.3.4改进禁忌搜索算法70
习题70
第5章神经网络与深度学习71
5.1基本概念及原理71
5.1.1基本概念71
5.1.2神经元72
5.1.3优化方法75
5.1.4反向传播78
5.1.5学习准则79
5.1.6优化问题80
5.2感知机82
5.2.1基本概念82
5.2.2单层感知机82
5.2.3多层感知机83
5.3卷积神经网络84
5.3.1基本概念84
5.3.2卷积运算84
5.3.3卷积层85
5.3.4池化层86
5.3.5全连接层86
5.3.6典型卷积神经网络87
5.4循环神经网络90
5.4.1基本概念90
5.4.2长短期记忆网络91
5.4.3门控神经网络94
5.5图神经网络97
5.5.1基本概念97
5.5.2图卷积网络98
5.5.3图注意力网络98
5.5.4图自编码器100
5.5.5图生成网络100
5.5.6图时空网络101
5.6生成对抗网络102
5.6.1概述102
5.6.2对抗过程102
5.6.3生成对抗网络的经典变体104
5.7脉冲神经网络106
5.7.1基本概念106
5.7.2脉冲神经元106
5.7.3编码方法107
5.7.4学习法则110
5.7.5网络结构112
习题113
第6章多目标优化算法114
6.1基本概念114
6.1.1基本概念描述114
6.1.2多目标优化算法分类115
6.2经典多目标优化算法115
6.2.1基于支配的多目标优化算法115
6.2.2基于分解的多目标优化算法117
6.2.3基于指标的多目标优化算法120
6.3高维多目标优化算法122
6.3.1概念描述122
6.3.2基于改进的Pareto方法122
6.3.3基于分解的方法122
6.3.4基于指标的方法125
6.4大规模多目标优化算法127
6.4.1基本概念和数学表述127
6.4.2基于决策变量分组的方法128
6.4.3基于决策变量降维的方法131
6.4.4基于新型搜索策略的方法132
6.5MOEA的性能评价指标133
6.5.1概念描述133
6.5.2基础性能评价指标133
6.6测试问题135
6.6.1概念描述135
6.6.2多目标优化测试问题135
6.6.3大规模测试问题集146
习题151
第7章数据驱动优化算法152
7.1基本概念152
7.1.1数据驱动进化优化算法的概念152
7.1.2数据驱动进化优化算法的分类153
7.2在线数据驱动优化算法153
7.2.1概念描述153
7.2.2在线数据驱动多目标优化算法154
7.2.3在线数据驱动单目标优化算法160
7.3离线数据驱动优化算法165
7.3.1概念描述165
7.3.2离线数据驱动多目标优化算法166
7.3.3离线数据驱动单目标优化算法168
7.4其他数据驱动优化算法170
7.4.1存在延迟的多目标优化170
7.4.2不同精度的单目标优化171
7.5数据驱动优化算法的应用172
7.5.1高炉优化172
7.5.2翼型优化174
7.5.3进气通风系统优化174
习题175
第8章神经架构搜索176
8.1基本概念176
8.1.1基本概念描述176
8.1.2基本框架描述177
8.2搜索空间设计177
8.2.1全局搜索空间177
8.2.2基于单元的搜索空间178
8.2.3基于块的搜索空间180
8.2.4基于分层的搜索空间181
8.3搜索策略183
8.3.1基于网格搜索与随机搜索183
8.3.2基于贝叶斯优化183
8.3.3基于强化学习184
8.3.4基于进化计算187
8.3.5基于梯度下降191
8.3.6基于代理模型193
8.3.7基于混合优化193
8.4性能评估方法194
8.4.1低保真度194
8.4.2早停法195
8.4.3代理模型196
8.4.4网络态射196
8.4.5权重共享197
习题198
第9章应用199
9.1工业故障诊断和生命周期评估199
9.1.1应用背景199
9.1.2变压器故障检测199
9.1.3工业元件故障诊断200
9.1.4工业设施生命周期预测201
9.2高端装备制造中的工艺优化202
9.2.1应用背景202
9.2.2工业气体自动化脱硫操作202
9.2.3工业连续结晶过程优化203
9.3高速生产线开发优化和生产过程安全评估203
9.3.1应用背景203
9.3.2薄壁塑料产品自动生产204
9.3.3页岩气合成气智能生产205
9.3.4工业安全隐患深度分类205
9.4临床医疗智能与数据监控206
9.4.1应用背景206
9.4.2临床疾病智能诊断207
9.4.3辅助外科立体定向放射治疗208
9.4.4医疗数据安全监控208
9.5智能化医学影像处理210
9.5.1应用背景210
9.5.2三维影像智能分割210
9.5.3磁共振成像多采样图像分割211
9.6其他领域的应用212
9.6.1应用背景212
9.6.2云计算213
9.6.3雾计算213
9.6.4无线传感网213
9.6.5移动自组织网络214
9.6.6无人机集群214
9.6.7机器人214
9.6.8微电网215
9.6.9城市交通215
