智能优化算法与遥感影像分类图书简介

智能化的遥感影像分类问题在特征选择、分割与分类优化三个方面都面临挑战，《智能优化算法与遥感影像分类》从提高智能优化算法的性能入手，在系统分析智能优化算法与影像处理问题映像关系的基础上，提出了一系列新型遥感影像智能分割分类方法。《智能优化算法与遥感影像分类》主要介绍了万有引力搜索算法及其改进方法、生物地理学优化算法及其改进方法、基于引力搜索算法的高分辨率遥感影像特征选择与多阈值分割、基于引力优化神经网络的高光谱遥感影像分类，以及基于差分进化算法和多尺度核支持向量机的高分辨率遥感影像分类等内容。

• 前言

• 第1章绪论

• 第2章万有引力搜索算法

• 第3章生物地理学优化算法

• 第4章基于稳定性约束α动态调节的GSA算法

• 第5章基于邻域引力学习的生物地理学优化算法

• 第6章基于遗传算法的引力搜索算法

• 第7章基于动态邻域学习的引力搜索算法

• 第8章基于GSA算法的高分辨率遥感影像特征选择

• 第9章基于GSA算法的高分辨率遥感影像多阈值分割

• 第10章基于引力优化神经网络的高光谱遥感影像分类

• 第11章基于差分进化算法和多尺度核SVM的高分辨率遥感影像分类

• 参考文献

《工程优化:原理、算法与实施》主要内容包括线性规划、非线性规划、几何规划、动态规划、整数规划、随机规划以及准则算法、智能算法等多种优化方法的原理，算法实施及收敛性讨论。最后介绍如何应用商业软件中的优化模块实施工程优化设计 。

本书面向智能信息处理研究的前沿领域，针对群体智能优化算法及其应用中的关键问题，系统地讨论了新型群体智能优化算法以及群体智能优化算法在三维模型处理和可信软件测试中的应用，比较全面地反映了国内外在三维模型智能处理和基于搜索的可信软件测试领域的最新研究进展。本书主要内容包括经典群体智能优化算法、社会认知优化算法、自然社会认知优化算法、细菌群体趋药性算法、混沌细菌群体趋药算法、三维模型多特征提取、基于证据和区间数的智能三维模型融合匹配识别方法、基于群体智能的文物三维模型全局最优匹配算法、基于群体智能的三维模型配准算法、基于粒子群算法的测试数据生成及优化、基于改进粒子群优化的测试用例扩增方法和基于蚁群算法的组合测试数据生成与优化。

简介

进化算法是一种智能的全局优化方法，它对函数本身性质要求非常低，往往只要求目标函数值是可以计算的，不要求它具有连续性、可微性及其它解析性质，同时它又是基于群体进化的算法，因此可采用进化算法解决约束优化问题。用进化算法解决约束优化问题的关键在于如何进行有效的约束处理，即如何有效均衡在可行区域与不可行区域的搜索。

常见的用于求解约束优化问题的进化算法有罚函数法、遗传算法、进化策略、进化规划、蚁群算法和粒子群算法等。

与传统方法相比的优势

(1) 在一般情况下，进化算法能否收敛到全局最优解与初始群体无关，而传统优化方法则依赖于初始解；

(2) 进化算法具有全局搜索能力，而很多传统优化方法往往会陷入局部最优；

(3) 进化算法的适用范围广，能有效地解决不同类型的问题，而传统优化方法在设计时往往就只能解诀某一类型的问题。

存在的不足

(1) 进化算法中的参数，如群体规模、进化代数、重组概率、变异概率等，往往需要根据经验设定，且在一定程度上与问题相关；

(2) 进化算法的收敛问题，进化算法求解实际问题时的收敛性判定缺乏理论指导。 2100433B