13.1 人工神经网络与神经网络优化算法 13.2 遗传算法 13.3 模拟退火算法 13.4 神经网络权值的混合优化学习策略

蚂蚁系统（基本蚁群算法) 精华蚂蚁系统 基于排列的蚂蚁系统 最大最小蚂蚁系统 蚁群系统

为了便于学习最优化方法，本章将对与 优化方法密切有关的数学知识作一简要介绍 而有些数学知识将在讲解各种算法时，随之 介绍．

支持关系模型的数据库系统是关系系统。 由于支持关系模型的程度不同,实际的数据库系统可以分 为表式系统、(最小)关系系统、关系完备的和全关系的四 类系统。 ·查询处理是数据库管理系统的核心而查询优化技术又是 查询处理的关键技术。查询优化一般可分为代数优化和物理 优化。代数优化是指关系代数表达式的优化,物理优化则是 指存取路样和低层操作算法指示变量的选择

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性

研究了网络环境下基于模板的服务工作流的优化组合算法.该算法将服务优化组合问题转化为服务工作流模板的优化组合问题,既极大程度地复用历史服务工作流模板以减少组建新工作流的工作量,又通过优化使得服务工作流结构更为合理,缩短了服务工作流的执行时间.通过使用Petri网对网络流媒体课件制作服务工作流进行建模,并对比优化前后服务工作流模型的SPNP性能分析结果,证明了优化算法的有效性

使用盲数表达优化设计中的不确定变量,结合常用的基于实数变量的优化算法,提出了基于盲数的优化方法.该方法从微观的角度分析和描述设计变量与优化参数之间的关系,给出优化问题的盲数解.盲数解不但给出了设计变量的取值,而且还给出了不同取值时优化对象处于最优状态的可靠性的评价

第3章分布式数据库中的查询处理和优化 1.分布式查询优化概述 2.分布式查询优化基础知识 3.分布式查询分类和层次结构 4.基于关系代数等价变换的查询优化处理 5.基于半连接算法的查询优化处理 6.基于直接连接算法的查询优化处理 7.直接连接操作的常用策略

为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良好的表现

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法（simulated annealing，SA） 10.4 神经网络权值的混合优化学习策略