群体智能预测与优化出版时间:2012年版内容简介 《智能科学技术应用丛书:群体智能预测与优化》阐述和分析生物群体、人类社会在形成、发展过程中,所呈现的协调配合、相互学习、协同决策、分工协作等现象,分析了“人工群体智能”的研究视角,凝炼了“人工群体智能”的关键要素,构建了学习意义下的“广义群体智能”的框架,给出了群体建模预测与优化的新方法,论述了在物流、化工等领域的预测与优化的应用实例。《智能科学技术应用丛书:群体智能预测与优化》可为群体智能研究者提供一定的参考。目录第1章 绪论1.1 群体智能的基本概念1.2 群体智能面临的两类问题1.2.1 预测模型1.2.2 优化问题1.3 群体智能解决问题的途径1.3.1 群体预测和个体预测的区别与联系1.3.2 群体优化和个体优化的区别与联系1.4 群体智能的一般框架1.4.1 群体智能遵循的原则和特点1.4.2 群体智能的一般框架1.5 群体智能的研究途径1.5.1 研究视角1.5.2 研究方法第2章 生物群体与群体智能2.1 生物学与群体智能2.1.1 生物学的几个分支2.1.2 生物学对人工群体智能的启示2.2 典型的生物群体2.2.1 集群微生物和集群无脊椎动物2.2.2 社会昆虫2.2.3 非人类的脊椎动物2.2.4 人类社会2.2.5 其他2.2.6 社会与智能2.3 生物群体的社会性2.3.1 群体组织结构2.3.2 个体间的交互2.3.3 群体发展动力2.3.4 小结2.4 群体智能的共性要素2.4.1 时空环境2.4.2 组织结构2.4.3 通信与语言2.4.4 竞争与合作2.4.5 记忆与学习2.4.6 决策与智慧第3章 学习意义下的广义群体智能框架3.1 群体智能与进化3.2 群体智能与学习3.3 学习意义下的广义群体智能框架3.4 构建有效的群体智能算法3.4.1 群体智能系统设计的一般原理3.4.2 构建有效的群体智能预测算法3.4.3 构建有效的群体智能优化算法第4章 神经网络集成概述4.1 集成学习概述4.1.1 集成学习的概念和核心思想4.1.2 个体学习器与集成的性能指标4.2 集成学习方法中的群体智能思想4.2.1 bagging方法4.2.2 boosting方法4.2.3 stacking方法4.2.4 选择性集成4.2.5 构造型集成4.3 神经网络集成概述4.3.1 神经网络集成的提出4.3.2 集成中个体网络的生成方法4.3.3 集成的结论生成方法4.4 建立预测模型时存在的问题第5章 神经网络集成改进方法研究5.1 群体神经网络中的选择5.1.1 选择的准则5.1.2 选择的方法及存在的问题5.1.3 基于改进贪心法的个体网络选择方法5.1.4 仿真实例5.1.5 小结5.2 群体神经网络的多层结构5.2.1 选择性神经网络二次集成概述5.2.2 两次集成中选择方法的匹配5.2.3 基于gf方法的神经网络二次集成的实现5.2.4 仿真实验5.2.5 小结5.3 群体神经网络的结论决策5.3.1 常用结论生成方法及存在的问题5.3.2 基于改进的粒子群优化(pso)算法的结论生成方法5.3.3 基于改进pso算法的仿真实验研究5.3.4 基于改进pso算法的结论生成方法小结5.4 基于混合算法的神经网络集成5.4.1 gf方法和改进pso算法的结合5.4.2 基于gf方法-改进pso算法的实例仿真实验5.4.3 讨论与结论5.5 小结第6章 神经网络集成应用实例6.1 构效关系预测模型6.1.1 引言6.1.2 基于随机采样技术和gfa方法的选择性神经网络二次集成6.1.3 苯乙酰胺类除草剂qsar的神经网络集成模型6.2 物流中心选址模型6.2.1 引言6.2.2 基于bootstrap采样技术和pso算法的神经网络二次集成模型6.2.3 物流中心选址实例研究6.3 发射药近红外光谱定量分析预测模型6.3.1 研究的背景6.3.2 发射药成分的近红外光谱分析6.3.3 单个神经网络在建模中存在的问题6.3.4 基于小波变换--神经网络集成的预测模型6.3.5 基于改进神经网络集成的发射药近红外光谱定量分析预测模型6.4 疾病诊断预测模型6.4.1 研究的背景和意义6.4.2 单个网络建立诊断模型时存在的问题6.4.3 基于神经网络集成的疾病诊断6.4.4 改进的神经网络集成方法在乳腺癌诊断中的应用第7章 粒子群优化算法概述7.1 基本pso算法7.2 性能评价与“探索一开发”的平衡7.2.1 性能评价7.2.2 “探索一开发”的平衡7.3 群体智能框架下的pso算法分析与改进7.3.1 社会结构和通信方式7.3.2 学习与记忆7.3.3 群体策略行动第8章 基于集成学习的粒子群算法8.1 粒子个体的抽象8.2 集成学习的基本应用8.2.1 个体的集成学习8.2.2 算法测试环境8.3 粒子级上的集成混合算法8.3.1 基于粒子级上的集成方法epso-p8.3.2 阶段性的epsotc-p8.4 维度级上的集成8.4.1 基于维度级上的集成方法epso-d8.4.2 子种群策略8.4.3 随机性集成8.4.4 扩展引导者的自适应集成8.4.5 基于趋势的混合学习第9章 基于多智体和多软件人系统协调的展望9.1 多智体的信息结构和协调策略9.1.1 多智体的信息结构9.1.2 多智体系统的协调策略9.2 “多软件人系统”中的协调机制9.2.1 “软件人”自律协调机制9.2.2 “软件人”群的协商与协作9.3 群体智能发展展望参考文献后记致谢 上一篇: 多粒度知识获取与不确定性度量 下一篇: 输出侧控制的原理与应用