现代优化计算方法
2005-9
清华大学出版社
邢文训
247
无
《现代优化计算方法》系统介绍了禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法、人工神经网络算法和拉格朗日松弛算法等现代优化计算方法的模型与理论、应用技术和应用案例。全书共7章，第1章是后6章内容的基础，主要介绍算法复杂性的基本概念和启发式算法的评价方法，后6章分别介绍各个现代优化计算方法。
第1章 概论1.1 组合最优化问题1.2 计算复杂性的概念1.3 邻域的概念1.4 启发式算法1.5 NP，NP完全和NP难1.6 多项式时间迫近格式1.7 小结练习题参考文献第2章 禁忌搜索算法2.1 局部搜索2.2 禁忌搜索2.3 技术问题2.4 应用案例——图节点着色和车间作业排序练习题参考文献第3章 模拟退火算法3.1 模拟退火算法及模型3.2 马尔可夫链3.3 时齐算法的收敛性3.4 非时齐算法收敛性简介3.5 实现的技术问题3.6 应用案例——下料问题练习题参考文献第4章 遗传算法4.1 遗传算法4.2 模板理论4.3 马尔可夫链收敛分析4.4 实现的技术问题4.5 遗传模拟退火算法4.6 应用案例——生产批量问题练习题参考文献第5章 蚁群优化算法5.1 蚁群优化算法的概念5.2 算法模型和收敛性分析5.3 技术问题5.4 应用案例——医学诊断的数据挖掘练习题参考文献第6章 人工神经网络6.1 人工神经网络的基本概念6.2 单层前向神经网络6.3 多层前向神经网络6.4 竞争学习神经网络6.5 反馈型神经网络练习题参考文献第7章 拉格朗日松弛算法7.1 基于规划论的松弛方法7.2 拉格朗日松弛理论7.3 拉格朗日松弛的进一步讨论7.4 拉格朗日松弛算法7.5 应用案例——能力约束单机排序问题练习题参考文献索引
《现代优化计算方法》可作为数学、管理科学、计算机科学、工业工程等学科中相关优化专业的研究生教材，也可供相关专业研究人员参考。
无