机读格式显示(MARC)

• 000 02281nam0 2200709 450

• 001 0000241398

• 005 20160620143800.0

• 010 __ |a 978-7-03-043031-1 |d CNY58.00

• 099 __ |a CAL 012015029665

• 100 __ |a 20150324e20162015ekmy0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 新型仿生群智能算法及其生产调度应用 |A xin xing fang sheng qun zhi neng suan fa ji qi sheng chan diao du ying yong |f 叶春明, 李永林, 刘长平著

• 210 __ |a 北京 |c 科学出版社 |d 2015 |h 2016重印

• 215 __ |a 203页 |c 图 |d 24cm

• 300 __ |a 国家自然科学基金资助项目等资助

• 320 __ |a 有书目

• 330 __ |a 首先从仿生学角度出发，阐述了仿生学的起源和发展，探讨了仿生学与自然计算的内在联系。进一步地，在自然计算理念基础上提炼出仿生群智能优化算法的基本环节和一般流程，构建出仿生群智能优化算法内在的统一框架，从理论上分析了基于统一框架的仿生群智能优化算法的渐近收敛性，并对典型的仿生群智能优化算法进行了数学化描述。针对两种有代表性的新兴仿生群智能算法──萤火虫算法和蝙蝠算法进行了研究，分别从仿生原理、优化机理、数学模型、收敛性等方面进行了分析，并从函数优化和组合优化两方面验证了上述算法的优化性能。

• 606 0_ |a 仿生 |A fang sheng |x 最优化算法 |x 研究

• 690 __ |a Q811 |v 5

• 701 _0 |a 叶春明 |A ye chun ming |4 著

• 701 _0 |a 李永林 |A li yong lin |4 著

• 701 _0 |a 刘长平 |A liu chang ping |4 著

• 801 _0 |a CN |b NJU |c 20150324

• 905 __ |a XATU |d Q811/1

• 920 __ |a 521800 |z 1

• 920 __ |a 211030 |z 1

• 920 __ |a 211040 |z 1

• 920 __ |a 231020 |z 1

• 920 __ |a 211060 |z 2

• 920 __ |a 244020 |z 1

• 920 __ |a 242020 |z 1

• 920 __ |a 235010 |z 1

• 920 __ |a 244010 |z 1

• 920 __ |a 232340 |z 1

• 920 __ |a 242010 |z 1

• 920 __ |a 261030 |z 1

• 920 __ |a 221020 |z 1

• 920 __ |a 212010 |z 1

• 920 __ |a 231220 |z 2

• 920 __ |a 261020 |z 1

• 920 __ |a 212020 |z 1

• 920 __ |a 237010 |z 1

• 920 __ |a 244050 |z 1

• 920 __ |a 211010 |z 1

• 920 __ |a 242440 |z 1

• 920 __ |a 211260 |z 1

• 920 __ |a 221220 |z 1

• 920 __ |a 232010 |z 1

• 920 __ |a 211180 |z 1

• 920 __ |a 245010 |z 1

• 920 __ |a 261161 |z 1

• 920 __ |a 236010 |z 1

• 920 __ |a 221130 |z 1

• 920 __ |a 222010 |z 1

• 920 __ |a 251010 |z 1

• 920 __ |a 215010 |z 1

• 920 __ |a 244180 |z 1

• 920 __ |a 211130 |z 1

• 998 __ |a NJU