第1章 謝菲爾德大學的遺傳算法工具箱第2章 基于遺傳算法和非線性規(guī)期的函數(shù)尋優(yōu)算法第4章 基于遺傳算法的TSP算法第5章 基于遺傳算法的LQR控制器優(yōu)化設計第7章 多種群遺傳算法的函數(shù)優(yōu)化算法第8章 基于量子遺傳算法的函數(shù)尋優(yōu)算法第9章 基于遺傳算法的多目標優(yōu)化算法第10章 基于粒子群算法的多目標搜索算法第11章 基于多層編碼遺傳算法的車間調(diào)度算法第12章 免疫優(yōu)化算法在物流配送中心選址中的應用第13章 粒子群算法的尋優(yōu)算法第14章 基于粒子群算法的PID控制器優(yōu)化設計第15章 基于混合粒子群算法的TSP搜索算法”第16章 基于動態(tài)粒子群算法的動態(tài)環(huán)境尋優(yōu)算法第17章 基于PSO工具箱的函數(shù)尋優(yōu)算法第18章 基于魚群算法的函數(shù)尋優(yōu)算法第19章 基于模擬退火算法的TSP算法第20章 基于遺傳模擬退火算法的聚類算法第21章 模擬退火算法工具箱及應用第22章 蟻群算法的優(yōu)化計算——旅行商問題(TSP)優(yōu)化第23章 基于蟻群算法的二維路徑規(guī)劃算法第24章 基于蟻群算法的三維路徑規(guī)劃算法第25章 有導師學習神經(jīng)網(wǎng)絡的回歸擬合——基于近紅外光譜的汽油辛烷值預測第26章 有導師學習神經(jīng)網(wǎng)絡的分類——鳶尾花種類識別第27章 無導師學習神經(jīng)網(wǎng)絡的分類——礦井突水水源判別第28章 支持向量機的分類——基于乳腺組織電阻抗特性的乳腺癌診斷第29章 支持向量機的回歸擬合——混凝土抗壓強度預測第30章 極限學習機的回歸擬合及分類——對比實驗研究參考文獻算法分析的主要內(nèi)容是
· · · · · ·()算法分析的主要內(nèi)容是
