计算智能:原理与实践

本书共9章, 所涉及的计算智能包括进化计算 (遗传算法及其DNA/RNA计算、Memetic算法)、群智能计算 (雁群算法、蝙蝠算法、猴群算法)、仿自然规律计算 (万有引力搜索算法) 及仿人智能计算 (神经网络、细胞神经网络、自组织神经网络)。每类计算智能都给出了其在信号处理领域的应用案例。

第1章 遗传算法及其DNA与RNA计算
1.1 遗传算法
1.1.1 遗传算法的基本用语
1.1.2 遗传算法的基础理论
1.1.3 遗传算法的基本操作
1.1.4 遗传算法参数选择
1.2 量子遗传算法
1.2.1 量子计算
1.2.2 量子遗传算法原理
1.3 自适应遗传算法
1.4 DNA计算与DNA遗传算法
1.4.1 DNA计算
1.4.2 DNA遗传算法
1.5 RNA计算与RNA遗传算法
1.5.1 RNA计算
1.5.2 RNA遗传算法
1.6 案例1——基于DNA遗传算法优化的正交小波常模盲均衡算法
1.6.1 算法原理
1.6.2 仿真实验与结果分析
参考文献1
第2章 Memetic算法
2.1 Memetic算法
2.1.1 算法原理
2.1.2 Memetic算法流程
2.2 算法实施策略与特点
2.2.1 算法实施策略
2.2.2 算法特点
2.3 算法收敛性
2.4 案例2——基于Memetic算法的多模盲均衡算法
2.4.1 判决多模盲均衡算法
2.4.2 Memetic算法架构
2.4.3 基于Memetic算法的判决多模盲均衡算法
2.4.4 仿真实验与结果分析
2.5 案例3——基于Memetic算法的频率分配新策略
2.5.1 模因算法原理
2.5.2 频率分配问题
2.5.3 基于Memetic算法的频率分配策略
2.5.4 仿真实验与结果分析
参考文献2
第3章 雁群优化算法
3.1 雁群飞行理论的规则和假设
3.1.1 规则和假设
3.1.2 基于雁群飞行理论的GSO原理
3.1.3 基于雁群飞行理论的GSO分析
3.1.4 GSO的实现
3.1.5 性能测试
3.2 案例4——基于改进的雁群优化算法的二维OTSU多阈值图像分割
3.2.1 改进的雁群优化算法
3.2.2 二维OTSU多阈值图像分割
参考文献3
第4章 蝙蝠算法
4.1 基本蝙蝠算法
4.1.1 微型蝙蝠回声定位
4.1.2 基本蝙蝠算法原理
4.1.3 蝙蝠运动
4.1.4 变异的蝙蝠算法
4.1.5 蝙蝠算法特点
4.1.6 蝙蝠算法收敛性分析
4.1.7 模式与参数选取
4.2 记忆型蝙蝠算法
4.2.1 记忆方式的速度更新公式
4.2.2 三角翻转法
4.2.3 记忆型三角翻转蝙蝠算法
4.3 量子蝙蝠算法
4.3.1 初始种群的产生
4.3.2 解空间的变换
4.3.3 蝙蝠状态的更新
4.3.4 变异处理
4.4 混合蝙蝠算法
4.4.1 和声搜索算法与差分进化算法
4.4.2 混合蝙蝠算法
4.4.3 评价指标
4.5 DNA遗传蝙蝠算法
4.6 案例5——基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法
4.6.1 分数间隔多模盲均衡算法
4.6.2 DNA遗传蝙蝠算法优化分数间隔多模盲均衡算法
4.6.3 仿真实验与结果分析
4.7 案例6——基于双蝙蝠群智能优化的多模盲均衡算法
4.7.1 双蝙蝠群多模盲均衡算法
4.7.2 双蝙蝠群智能优化多模盲均衡算法
4.7.3 双蝙蝠群智能优化MMA初始权向量
4.7.4 仿真实验与结果分析
参考文献4
第5章 猴群算法
5.1 基本猴群算法
5.1.1 算法原理
5.1.2 算法架构
5.1.3 猴群算法分析
5.2 自适应猴群算法
5.2.1 自适应的攀爬过程
5.2.2 自适应的望-跳过程
5.2.3 基于模式搜索的局部搜索
5.2.4 基于学习因子和小生境技术的空翻过程
5.2.5 改进猴群算法设计
5.3 混沌猴群算法
5.3.1 混沌初始化
5.3.2 步长递减攀爬过程
5.3.3 参数递增混沌望过程
5.3.4 边缘跳过程
5.4 案例7——基于改进猴群算法优化的盲均衡算法
5.4.1 问题提出
5.4.2 改进猴群算法
5.4.3 改进猴群算法优化加权多模盲均衡算法
5.4.4 仿真实验与结果分析
参考文献5
第6章 万有引力搜索算法
6.1 基本万有引力搜索算法
6.1.1 基本思想
6.1.2 算法原理
6.1.3 算法流程
6.1.4 改进方向
6.2 多点自适应约束万有引力搜索算法
6.2.1 改进策略
6.2.2 MACGSA的流程
6.2.3 MACGSA的收敛性
6.2.4 仿真实验与结果分析
6.3 自适应混合变异万有引力搜索算法
6.3.1 改进策略
6.3.2 MGSA的流程
6.3.3 MGSA的收敛性
6.3.4 仿真实验与结果分析
6.4 案例8——基于万有引力搜索算法的无人航行设备航路规划方法
6.4.1 二维航路规划数学模型
6.4.2 航路评价
6.4.3 MGSA求解无人航行设备航路规划问题的流程
6.4.4 仿真实验与结果分析
参考文献6
第7章 神经网络
7.1 神经网络的结构
7.1.1 人工神经元
7.1.2 感知器
7.2 神经网络的训练与优化
7.2.1 神经网络训练
7.2.2 神经网络优化算法
7.3 反向传播算法
7.3.1 反向传播算法思想
7.3.2 反向传播算法过程
7.4 案例9——基于PCA-BP神经网络的数字仪器识别技术
7.4.1 表盘区域提取
7.4.2 图像预处理
7.4.3 字符识别
7.4.4 字符识别的神经网络
7.4.5 实验设计
参考文献7
第8章 细胞神经网络
8.1 细胞神经网络的理论基础
8.1.1 细胞神经网络的网状结构、动态范围及稳定性
8.1.2 单细胞电路的硬件实现
8.1.3 实际细胞组成的神经网络
8.2 基于反应扩散方程的改进细胞神经网络
8.2.1 细胞神经网络模型输出函数的改进
8.2.2 细胞神经网络模型模板取值范围
8.2.3 基于反应扩散模型的阈值改进
8.3 六阶细胞神经网络
8.3.1 细胞神经网络模型
8.3.2 一般三次映射的鲁棒混沌
8.4 分数阶细胞神经网络
8.4.1 细胞神经网络的分数阶模型
8.4.2 分数阶细胞神经网络的动力学分析
8.5 案例10——基于忆阻器的细胞神经网络在图像处理中的应用
8.5.1 忆阻器的数学模型
8.5.2 忆阻细胞神经网络
8.5.3 忆阻桥突触电路的实现
8.5.4 仿真实验与结果分析
参考文献8
第9章 自组织神经网络
9.1 竞争学习网络
9.1.1 竞争学习网络的原理与特征
9.1.2 自适应共振理论模型
9.1.3 自组织特征映射模型
9.1.4 对偶传播网络
9.2 混合双层自组织径向基函数神经网络
9.2.1 问题描述
9.2.2 混合双层自组织径向基函数神经网络原理
9.3 基于随机森林优化的自组织神经网络
9.3.1 特征降维算法
9.3.2 随机森林算法
9.3.3 MLP回归模型
9.3.4 优化的MLP回归模型
9.4 案例11——分数阶细胞神经网络在自适应同步控制中的应用
9.4.1 分数阶细胞神经网络的同步控制
9.4.2 仿真实验与结果分析
参考文献9