456在线国产视频,久久精品

內容簡介

　　群智能算法是一類模擬生物群體行為的隨機優(yōu)化算法，該類算法模擬了群體中個體之間存在的交流協(xié)作現象，使得群智能算法與傳統(tǒng)優(yōu)化方法相比在尋優(yōu)性能方面實現了質的突破。蝙蝠算法（Bat Algorithm， BA）作為一種新興的群智能優(yōu)化算法，由于其參數設置少、操作簡單、編程易于實現等特點，受到了國內外眾多學者的青睞。然而，BA算法也存在群智能算法的普遍缺陷，算法存在早熟現象，尋優(yōu)性能有待進一步提高，BA算法的收斂性及穩(wěn)定性等問題需進一步完善。對此，本書以BA算法為主要研究對象，在對BA算法的收斂性、穩(wěn)定性進行有效分析的基礎上，提出了改進收斂速度和精度的BA算法，并將改進算法在圖像分割中進行了有效驗證。

作者簡介

　　陳思，女，中共黨員，陜西漢中人。博士畢業(yè)于西北工業(yè)大學數學與統(tǒng)計學院，應用數學專業(yè)。目前就職于西安石油大學，主要從事人工智能算法的研究，具體研究方向包括群智能優(yōu)化算法及其應用，機器學習，圖形圖像處理等。曾獲國家留學基金委資助赴加拿大公派留學，在阿爾伯塔大學計算機學院進行博士研究生聯合培養(yǎng)，研究方向為計算機視覺。

圖書目錄

第1章緒論1
1.1 引言1
1.2 群智能優(yōu)化算法4
1.3 蝙蝠算法7
1.4 蝙蝠算法的國內外研究現狀11
1.5 蝙蝠算法有待進一步研究的問題15
第2章蝙蝠算法的收斂性及穩(wěn)定性分析17
2.1 基于動態(tài)系統(tǒng)方法的BA收斂性及穩(wěn)定性分析17
2.2 基于隨機過程方法的BA收斂性分析32
2.3 本章小結38
第3章提升收斂性能的改進蝙蝠算法40
3.1 基于隨機慣性權重學習機制的改進40
3.2 基于時變慣性權重學習機制的改進45
3.3 本章小結54
第4章融合自適應多普勒策略及動態(tài)權重
優(yōu)化策略的蝙蝠算法55
4.1 SDDW-BA描述55
4.2 SDDW-BA的收斂性分析60
4.3 SDDW-BA的時間復雜度分析61
4.4 數值實驗與結果分析63
4.5 本章小結77
第5章具有量子行為的蝙蝠算法78
5.1 量子行為BA（QBA）78
5.2 QBA的收斂性分析84
5.3 QBA核心參數的控制分析87
5.4 基于能量函數及跳躍變異機制的QBA（EFJM-QBA）99
5.5 自適應預判變異及頻率優(yōu)化協(xié)同作用的QBA（APMQ-QBA）109
5.6 本章小結132
第6章改進蝙蝠算法的應用133
6.1 SDDW-BA在多閾值圖像分割中的應用133
6.2 APMQ-QBA在脈沖耦合神經網絡圖像分割中的應用158
6.3 本章小結176
參考文獻177