经典粒子群算法由于多样性差而陷入局部最优，从而造成早熟停滞现象.为克服上述缺点，本文结合人工免疫算法，提出一种基于自适应搜索的免疫粒子群算法.首先，该算法改善了浓度机制；然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源；最后对劣质子种群进行疫苗接种，利用粒子最大浓度值调节接种疫苗的搜索范围，不仅避免了种群退化现象，而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性

组合优化问题在实践中有着广泛的应用,同时也是计算机科学中的重要研究课题。本 章对于八皇后问题、SAT问题、装箱问题、背包问题及TSP问题等五个经典的组合优化问 题,给出其定义、串行算法描述、并行算法描述以及并行算法的MPI源程序

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

1 最小二乘估计 / 3 2 极大似然估计 / 6 3 极大验后估计 / 8 4 最小方差估计 / 11 5 融合估计 / 15

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试

介绍了一种基于多项式插值法的改进的亚像素细分算法及相应计算模板和公式,并对算法的误差进行了分析.本算法应用在经典Sobel算子基础上构造出的方向模板,对灰度图像进行处理,得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算,对目标边缘进行亚像素精确定位.实例说明本算法是可行的

针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高

提出了一种新的模糊认知图分类器模型构造方法,它包括构建流程、激活函数、推理规则和学习方法等核心构件.模型利用提出的动态交叉变异算子自适应遗传进化过程,实现种群间自动调节和自动适应.仿真实验表明:本文提出的模型增强了局部随机搜索能力,加强了算法的全局收敛能力,与其他经典分类方法相比,不但性能较好,而且具有较强的抗噪能力,从而具有更强的鲁棒性

Chapter 1 预备知识 Chapter 2 随机过程的基本概念和基本类型 Chapter 3 泊松过程 Chapter 4 更新过程 Chapter 5 马氏链 Chapter 6 鞅 Chapter 7 布朗运动 Chapter 8 随机积分 Chapter 9 随机过程在金融中的应用 Chapter 10 随机过程在保险中的应用 10.1 基本概念 10.2 经典破产理论介绍 Chapter 11 MCMC 方法 11.1 计算积分的蒙特卡洛方法 11.2 MCMC 方法简介 11.3 Metropolis-Hastings 算法 11.4 Gibbs 抽样 11.5 贝叶斯 MCMC 估计方法

网络分析原理 • 经典网络分析原理 • 我的面向对象网络分析理论 静态安全分析 电力系统潮流计算中的特殊问题 潮流问题的扩展 电力系统状态估计 Power System State Estimation 电力系统状态估计概述 Introduction to Power System State Estimation 电力系统状态估计算法 Models and Approaches of Power System State Estimation 不良数据辨识 Bad Measurement Identification 抗差状态估计 Robust State Estimation