全局最优化——基于递归深度群体搜索的新方法

作者: 刘群锋 严圆

出版社: 清华大学出版社

出版日期: 2021-08-01

  • 优惠券
  • ¥3
    ¥10
    ¥30
    ¥70
  • 领券
电子书 ¥42.25 定价:65.0
  • 收藏

  • 加书架

  • 引用

简介

本书介绍全局优化算法的基本理论和研究进展,特别聚焦于最近几年提出的基于递归深度群体搜索的一类新方法,并详细介绍递归深度群体搜索技术在确定性全局优化和智能优化算法中的具体应用。在确定性全局优化中,以DIRECT算法为例,深入介绍了递归深度群体搜索的设计原则与技巧;在智能优化中,以粒子群优化算法为例,介绍了递归深度搜索和群体搜索的融合方法及性能提升。本书提供了全局优化算法从入门到精通的各种材料,包括基本概念、基本理论、算法设计原则与技巧、国际通用的测试函数库、主流的测试数据分析方法和技术。因此,本书适合于对全局优化算法有兴趣的高年级本科生、研究生、研究人员以及工程技术人员。

编辑推荐

全局最优化算法致力于用计算的手段近似求解出最优化问题的全局最优解,在科学与工程问题中具有非常重要的地位。 随着人工智能浪潮的到来,这一地位得到了进一步加强。本书介绍作者近十年来在全局优化领域的研究中提出来的一类新方法,这类方法采用了多水平、多尺度的递归深度群体搜索策略,能够用更少的成本找到精度更好的近似解。本书介绍递归深度群体搜索策略及其在确定性全局优化和智能优化两个子领域的具体应用。这些研究成果都已在全局优化和演化计算领域的国际顶级期刊发表。同时,本书的主题符合新一代人工智能发展的需求。因此,本书具有很好的前沿性与时代特色。

更多出版物信息
  • 版权: 清华大学出版社
  • 出版: 2021-08-01
  • 作者:刘群锋 严圆
  • 更新: 2023-06-22
  • 书号:9787302581871
  • 中图:O242.23
  • 学科:
    理学
    数学