本书以作者在自然计算领域的研究成果为基础，全面、系统地介绍了一种基于量子谐振子物理模型的新的智能优化算法—MQHOA算法，该算法的物理模型明确、算法结构简单，无需复杂的初始条件设定和参数设置。将MQHOA算法用于求解函数优化问题和组合优化问题，并对算法的物理模型、迭代收敛性和并行性进行理论分析和实验验证。全书共7章，每章都包含了作者近年的科研成果。本书可作为自然计算算法、人工智能领域开发人员和技术人员的参考书。

本书作者在业内具有一定的知名度，曾出版图书
云计算与大数据技术 人民邮电出版社（教育部“十二五”规划教材） 王鹏、黄焱、安俊秀
云计算的关键技术与应用实例 人民邮电出版社，佳奎咨讯股份有限公司（繁体版） 王鹏
C语言程序设计（第2版） 人民邮电出版社 安俊秀
并行计算应用及实战 机械工业出版社 王鹏
走近云计算 人民邮电出版社，佳奎咨讯股份有限公司（繁体版） 王鹏
云计算—中国未来的IT战略 人民邮电出版社 王鹏
智能计算方法概论 电子科技大学出版社 李建平、王鹏、段贵多
移动搜索引擎原理与实践 机械工业出版社 王鹏
赢在云端—云计算与未来商机 人民邮电出版社，WILEY出版社 王鹏

王鹏，1974年生， 西南民族大学教授、 博士生导师，主要研究方向为云计算、高性能计算、网络优化等。

第1章　绪论　1
1．1　背景知识　1
1．2　自然计算的研究现状　2
1．2　MQHOA算法的研究现状　7
1．3　MQHOA算法的最新研究进展　9
第2章　优化问题的建模方法　17
2．1　最优化问题　17
2．2　MQHOA算法求解TSP优化问题的建模方法　17
2．3　MQHOA算法求解聚类中心点优化问题的建模方法　18
2．4　数据中心需量费用优化问题的建模与求解　19
第3章　MQHOA算法的提出　35
3．1　MQHOA算法流程和数学描述　35
3．1．1　MQHOA算法的基本流程　35
3．1．2　MQHOA算法流程的数学描述　38
3．2　MQHOA算法的物理模型　39
3．2．1　MQHOA算法与经典谐振子物理模型的对应关系　39
3．2．2　MQHOA算法与量子谐振子物理模型的对应关系　40
3．2．3　波函数　42
3．2．4　量子隧道效应　43
3．2．5　测不准原理　44
3．3　MQHOA、QPSO和SA算法性能的实验对比　45
第4章　MQHOA算法求解函数优化问题　49
4．1　引言　49
4．2　高维函数优化问题的多尺度量子谐振子模型　50
4．2．1　多尺度优化函数二进信息采样模型　50
4．2．2　同一尺度下的量子谐振子搜索聚焦模型　51
4．3　多尺度量子谐振子算法实验分析　52
4．3．1　确定实验中的群体参数 和采样参数　53
4．3．2　二维函数实验　53
4．3．3　高维函数实验　53
4．3．4　通过频率变换加速含高频成分函数的收敛进程　55
第5章　MQHOA算法求解组合优化问题　57
5．1　引言　57
5．2　组合优化问题的定义　57
5．3　MQHOA算法求解TSP问题的原理及过程　58
5．3．1　量子谐振子波函数所描述的收敛过程　58
5．3．2　多尺度量子谐振子算法的基本收敛过程　58
5．3．3　MQHOA算法求解TSP问题的基本过程　59
5．4　实验结果及讨论　61
5．4．1　MQHOA算法求解TSP标准测试数据　61
5．4．2　MQHOA算法求解规则分布的TSP问题　64
5．4．3　MQHOA算法求解TSP问题的收敛特性分析　65
第6章　MQHOA算法的迭代收敛特性　67
6．1　MQHOA算法收敛过程和参数选择　67
6．1．1　MQHOA算法的收敛过程　67
6．1．2　k、m参数的选择对算法收敛性的影响　68
6．2　MQHOA算法的QHO收敛过程研究　69
6．2．1　QHO收敛过程的收敛性分析　69
6．2．2　QHO收敛过程中的波函数收敛定理　71
6．2．3　QHO收敛过程中的能量变化　72
6．2．4　QHO收敛过程中的测不准关系　74
6．2．5　QHO收敛过程的波函数特性　76
6．3　MQHOA算法的M收敛过程研究　77
6．3．1　M收敛过程分析　77
6．3．2　M收敛过程实验　78
第7章　MQHOA算法的并行性研究　81
7．1　引言　81
7．2　MQHOA算法的运行时间分析　81
7．3　MQHOA算法的并行化特性　82
7．3．1　MQHOA算法的并行方法　82
7．3．2　MQHOA算法的三种并行粒度　83
7．3．3　根据采样参数选择MQHOA算法的并行粒度　86
7．4　MQHOA-P算法的运行流程　86
7．5　MQHOA-P算法的并行化性能分析　87
7．6　MQHOA-P算法的实验验证　88
参考文献　91
附录A　MQHOA算法核心代码　101
附录B　主要的函数优化测试函数　113
查看全部↓