本書以作者在自然計算領域的研究成果為基礎,全面、系統地介紹了一種基于量子諧振子物理模型的新的智能優化算法—MQHOA算法,該算法的物理模型明確、算法結構簡單,無需復雜的初始條件設定和參數設置。將MQHOA算法用于求解函數優化問題和組合優化問題,并對算法的物理模型、迭代收斂性和并行性進行理論分析和實驗驗證。全書共7章,每章都包含了作者近年的科研成果。本書可作為自然計算算法、人工智能領域開發人員和技術人員的參考書。
本書作者在業內具有一定的知名度,曾出版圖書
云計算與大數據技術 人民郵電出版社(教育部“十二五”規劃教材) 王鵬、黃焱、安俊秀
云計算的關鍵技術與應用實例 人民郵電出版社,佳奎咨訊股份有限公司(繁體版) 王鵬
C語言程序設計(第2版) 人民郵電出版社 安俊秀
并行計算應用及實戰 機械工業出版社 王鵬
走近云計算 人民郵電出版社,佳奎咨訊股份有限公司(繁體版) 王鵬
云計算—中國未來的IT戰略 人民郵電出版社 王鵬
智能計算方法概論 電子科技大學出版社 李建平、王鵬、段貴多
移動搜索引擎原理與實踐 機械工業出版社 王鵬
贏在云端—云計算與未來商機 人民郵電出版社,WILEY出版社 王鵬
王鵬,1974年生, 西南民族大學教授、 博士生導師,主要研究方向為云計算、高性能計算、網絡優化等。
第1章 緒論 1
1.1 背景知識 1
1.2 自然計算的研究現狀 2
1.2 MQHOA算法的研究現狀 7
1.3 MQHOA算法的最新研究進展 9
第2章 優化問題的建模方法 17
2.1 最優化問題 17
2.2 MQHOA算法求解TSP優化問題的建模方法 17
2.3 MQHOA算法求解聚類中心點優化問題的建模方法 18
2.4 數據中心需量費用優化問題的建模與求解 19
第3章 MQHOA算法的提出 35
3.1 MQHOA算法流程和數學描述 35
3.1.1 MQHOA算法的基本流程 35
3.1.2 MQHOA算法流程的數學描述 38
3.2 MQHOA算法的物理模型 39
3.2.1 MQHOA算法與經典諧振子物理模型的對應關系 39
3.2.2 MQHOA算法與量子諧振子物理模型的對應關系 40
3.2.3 波函數 42
3.2.4 量子隧道效應 43
3.2.5 測不準原理 44
3.3 MQHOA、QPSO和SA算法性能的實驗對比 45
第4章 MQHOA算法求解函數優化問題 49
4.1 引言 49
4.2 高維函數優化問題的多尺度量子諧振子模型 50
4.2.1 多尺度優化函數二進信息采樣模型 50
4.2.2 同一尺度下的量子諧振子搜索聚焦模型 51
4.3 多尺度量子諧振子算法實驗分析 52
4.3.1 確定實驗中的群體參數 和采樣參數 53
4.3.2 二維函數實驗 53
4.3.3 高維函數實驗 53
4.3.4 通過頻率變換加速含高頻成分函數的收斂進程 55
第5章 MQHOA算法求解組合優化問題 57
5.1 引言 57
5.2 組合優化問題的定義 57
5.3 MQHOA算法求解TSP問題的原理及過程 58
5.3.1 量子諧振子波函數所描述的收斂過程 58
5.3.2 多尺度量子諧振子算法的基本收斂過程 58
5.3.3 MQHOA算法求解TSP問題的基本過程 59
5.4 實驗結果及討論 61
5.4.1 MQHOA算法求解TSP標準測試數據 61
5.4.2 MQHOA算法求解規則分布的TSP問題 64
5.4.3 MQHOA算法求解TSP問題的收斂特性分析 65
第6章 MQHOA算法的迭代收斂特性 67
6.1 MQHOA算法收斂過程和參數選擇 67
6.1.1 MQHOA算法的收斂過程 67
6.1.2 k、m參數的選擇對算法收斂性的影響 68
6.2 MQHOA算法的QHO收斂過程研究 69
6.2.1 QHO收斂過程的收斂性分析 69
6.2.2 QHO收斂過程中的波函數收斂定理 71
6.2.3 QHO收斂過程中的能量變化 72
6.2.4 QHO收斂過程中的測不準關系 74
6.2.5 QHO收斂過程的波函數特性 76
6.3 MQHOA算法的M收斂過程研究 77
6.3.1 M收斂過程分析 77
6.3.2 M收斂過程實驗 78
第7章 MQHOA算法的并行性研究 81
7.1 引言 81
7.2 MQHOA算法的運行時間分析 81
7.3 MQHOA算法的并行化特性 82
7.3.1 MQHOA算法的并行方法 82
7.3.2 MQHOA算法的三種并行粒度 83
7.3.3 根據采樣參數選擇MQHOA算法的并行粒度 86
7.4 MQHOA-P算法的運行流程 86
7.5 MQHOA-P算法的并行化性能分析 87
7.6 MQHOA-P算法的實驗驗證 88
參考文獻 91
附錄A MQHOA算法核心代碼 101
附錄B 主要的函數優化測試函數 113
查看全部↓