當(dāng)前，市面上雖然存在一些關(guān)于元啟發(fā)式優(yōu)化算法的書籍，但大多聚焦于較為陳舊的算法，對于近十年間流行的元啟發(fā)式優(yōu)化算法及其在通信領(lǐng)域?qū)嶋H問題中的應(yīng)用介紹幾乎不可見。該書則旨在以實踐和快速教學(xué)為導(dǎo)向，通過探討8個典型的通信領(lǐng)域中大規(guī)模非線性整數(shù)規(guī)劃問題，結(jié)合8個新型元啟發(fā)式優(yōu)化算法，幫助讀者深刻理解元啟發(fā)式算法的設(shè)計理念以及代碼實現(xiàn)的邏輯，從而提升運用元啟發(fā)式優(yōu)化算法解決通信領(lǐng)域現(xiàn)實復(fù)雜問題的能力。
該書涉及信息與通信工程、計算機(jī)科學(xué)與技術(shù)等多學(xué)科，即涉及交叉學(xué)科；內(nèi)容涉及人工智能領(lǐng)域新算法與通信領(lǐng)域前沿技術(shù)，涉及Matlab元啟發(fā)式算法應(yīng)用開發(fā)。
《元啟發(fā)式計算遷移優(yōu)化算法教程》深入剖析了元啟發(fā)式優(yōu)化算法的構(gòu)思過程，致力于使讀者能迅速領(lǐng)會各章節(jié)中針對通信領(lǐng)域各類問題的算法設(shè)計原理，每章均以實例演示算法運作，確保讀者能有效掌握算法的核心理念。書中涵蓋了8類大型非線性整數(shù)規(guī)劃問題，這些問題構(gòu)成了當(dāng)前眾多學(xué)術(shù)研究的基石。此外，這些算法具有極強(qiáng)的可擴(kuò)展性，適用于讀者未來的研究項目。書中提供的Matlab源代碼靈活性高，便于讀者進(jìn)行深入探索和功能擴(kuò)展。
1 緒論
1.1 智能優(yōu)化算法
1.2 移動邊緣計算
1.3 本書的主要內(nèi)容
2 遺傳算法
2.1 遺傳算法概述
2.2 遺傳算法的基本進(jìn)化機(jī)制
2.3 遺傳算法的基本工作流程
2.4 遺傳算法理論分析
2.5 基本遺傳算法的MEC應(yīng)用案例
3 粒子群優(yōu)化算法
3.1 粒子群優(yōu)化算法概述
3.2 標(biāo)準(zhǔn)粒子群優(yōu)化算法
3.3 粒子群優(yōu)化算法理論分析
3.4 標(biāo)準(zhǔn)粒子群優(yōu)化算法的MEC應(yīng)用案例
3.5 粒子群優(yōu)化MEC代碼
4 鯨魚優(yōu)化算法
4.1 鯨魚優(yōu)化算法概述
4.2 標(biāo)準(zhǔn)鯨魚優(yōu)化算法
4.3 鯨魚優(yōu)化算法的收斂性分析
4.4 鯨魚優(yōu)化算法的參數(shù)選擇研究
4.5 鯨魚優(yōu)化算法的MEC應(yīng)用案例
5 免疫算法
5.1 免疫算法的生物背景
5.2 免疫算法概述
5.3 免疫算法理論分析
5.4 免疫算法收斂性分析
5.5 基本免疫算法的MEC應(yīng)用案例
6 水波優(yōu)化算法
6.1 水波優(yōu)化算法概述
6.2 水波優(yōu)化算法模型
6.3 水波優(yōu)化基本算法
6.4 水波優(yōu)化算法的收斂性分析
6.5 水波優(yōu)化算法的超密集MEC網(wǎng)絡(luò)應(yīng)用案例
7 蟻群優(yōu)化算法
7.1 蟻群優(yōu)化算法的生物背景
7.2 蟻群優(yōu)化算法特點
7.3 蟻群優(yōu)化算法基本原理
7.4 改進(jìn)的蟻群優(yōu)化算法
7.5 蟻群優(yōu)化算法收斂性證明
7.6 蟻群優(yōu)化算法系統(tǒng)模型
7.7 蟻群優(yōu)化算法安全模型
7.8 蟻群優(yōu)化算法計算模型
7.9 蟻群優(yōu)化解法應(yīng)用實例
8 布谷鳥搜索算法
8.1 布谷鳥搜索算法概述
8.2 布谷鳥搜索算法的進(jìn)化機(jī)制
8.3 布谷鳥搜索算法的工作流程
8.4 布谷鳥搜索算法的收斂性證明
8.5 基本布谷鳥搜索算法的MEC應(yīng)用案例
9 人工魚群算法
9.1 人工魚群算法概述
9.2 人工魚群算法的基本思想
9.3 人工魚群算法的收斂性證明
9.4 人工魚群算法在MEC中的應(yīng)用
參考文獻(xiàn)
書單推薦
