本文關(guān)鍵詞：群智能算法在經(jīng)濟模型中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

群智能算法在經(jīng)濟模型中的應(yīng)用 特色及評論

對經(jīng)濟模型的求解是對經(jīng)濟現(xiàn)象研究與解釋的一種方法，《群智能算法在經(jīng)濟模型中的應(yīng)用》以“經(jīng)濟數(shù)學(xué)模型的求解分析”和“群智能算法的分析與應(yīng)用研究”為內(nèi)容，圍繞提高群智能算法的搜索性能，以更好地求解經(jīng)濟數(shù)學(xué)模型而展開論述，探討了經(jīng)濟控制系統(tǒng)的優(yōu)化問題、投資問題、生產(chǎn)函數(shù)的模型分析問題，以及其他一些經(jīng)濟問題的求解。 　　《群智能算法在經(jīng)濟模型中的應(yīng)用》可供數(shù)量經(jīng)濟學(xué)、計算智能工作者、科研人員及相關(guān)專業(yè)的高年級大學(xué)生、研究生、教師閱讀。

群智能算法在經(jīng)濟模型中的應(yīng)用 本書目錄

第1章緒論
1.1背景
1.2內(nèi)容
1.3意義
1.4進展
1.4.1動態(tài)優(yōu)化問題
1.4.2投資模型問題
1.4.3生產(chǎn)函數(shù)參數(shù)估計問題
1.4.4專利池的定價問題
1.4.5方程組問題
1.5主要內(nèi)容
1.6本書的結(jié)構(gòu)

第2章經(jīng)濟優(yōu)化模型
2.1模型、數(shù)學(xué)模型、經(jīng)濟模型
2.2經(jīng)濟模型史
2.3經(jīng)濟模型的基本內(nèi)涵
2.4建立經(jīng)濟模型的基本步驟
2.5建立經(jīng)濟模型的一般原則與規(guī)范
2.6經(jīng)濟模型的種類
2.7經(jīng)濟模型的應(yīng)用

第3章優(yōu)化問題解法的發(fā)展與演變
3.1現(xiàn)實生活的優(yōu)化問題
3.1.1概述
3.1.2優(yōu)化問題的數(shù)學(xué)語言表示--數(shù)學(xué)模型
3.1.3優(yōu)化模型分類
3.2優(yōu)化問題的求解
3.2.1優(yōu)化問題的全局*優(yōu)解與局部*優(yōu)解
3.2.2*優(yōu)解?局部*優(yōu)解間的關(guān)系
3.2.3*優(yōu)解求解的難點
3.2.4求解優(yōu)化模型的方法
3.3優(yōu)化模型求解方法的進展
3.4以經(jīng)典分析為基礎(chǔ)的算法的局限

第4章群智能算法
4.1引言
4.2群智能算法
4.3粒子群算法
4.3.1算法原理
4.3.2算法的計算步驟
4.4人工魚群算法
4.5人工螢火蟲算法
4.5.1gso算法
4.5.2fa算法
4.6蝙蝠算法
4.6.1蝙蝠算法的原理與數(shù)學(xué)描述
4.6.2蝙蝠算法基本流程

第5章群智能算法在經(jīng)濟動態(tài)優(yōu)化模型中的應(yīng)用
5.1引言
5.2經(jīng)濟動態(tài)優(yōu)化問題的分類
5.3帶有不可導(dǎo)搜索的粒子群算法在經(jīng)濟動態(tài)優(yōu)化問題求數(shù)值解中的應(yīng)用
5.3.1粒子群算法的分析與改進
5.3.2閉區(qū)間上連續(xù)函數(shù)的性質(zhì)
5.3.3不可導(dǎo)點的數(shù)值算法
5.3.4算法的流程
5.3.5算法在求不可導(dǎo)點的測試
5.3.6帶有不可導(dǎo)點搜索的粒子群算法求解終端固定的經(jīng)濟動態(tài)優(yōu)化問題
5.4螢火蟲算法的分析與改進
5.4.1螢火蟲算法及其性能分析
5.4.2帶有記憶的螢火蟲算法
5.4.3帶有記憶的螢火蟲算法的測試
5.4.4帶有記憶的人工螢火蟲算法在求解灰色經(jīng)濟控制系統(tǒng)中應(yīng)用
5.5局部記憶搜索的蝙蝠算法在灰色經(jīng)濟控置系統(tǒng)中的應(yīng)用
5.5.1蝙蝠算法的分析與改進
5.5.2局部記憶搜索的蝙蝠算法
5.5.3算法的性能測試
5.5.4局部記憶搜索蝙蝠算法在灰色經(jīng)濟系統(tǒng)中的應(yīng)用

第6章群智能算法在投資模型求解中的應(yīng)用
6.1引言
6.2基于理想有效解分析的證券組合投資模型
6.2.1含有交易費用的投資組合優(yōu)化模型
6.2.2多目標優(yōu)化問題求解算法的現(xiàn)狀
6.2.3基于理想有效解求解證券組合投資模型的算法
6.2.4基于理想有效解求解證券組合投資模型的實證分析
6.3基于網(wǎng)絡(luò)結(jié)構(gòu)的投資引導(dǎo)模型的建立與求解
6.3.1投資引導(dǎo)模型的建立
6.3.2組合優(yōu)化問題及其求解算法的進展與分析
6.3.3粒子群算法求解投資引導(dǎo)模型
6.3.4實驗結(jié)果與分析

第7章群智能算法在生產(chǎn)函數(shù)模型參數(shù)估計中的應(yīng)用
7.1引言
7.2二次協(xié)同人工魚粒子群算法估計生產(chǎn)函數(shù)模型參數(shù)
7.2.1一些優(yōu)化策略
7.2.2二次協(xié)同人工魚粒子群混合算法--tcafsapso算法
7.2.3算法的測試
7.2.4算法在生產(chǎn)函數(shù)參數(shù)估計中的應(yīng)用
7.3帶有不可導(dǎo)點搜索的粒子群算法在生產(chǎn)函數(shù)模型參數(shù)估計中的應(yīng)用
7.3.1算法的性能測試
7.3.2算法在生產(chǎn)函數(shù)參數(shù)估計中的應(yīng)用

第8章群智能算法在其他經(jīng)濟模型中的應(yīng)用
8.1改進的粒子群算法在專利池定價中的應(yīng)用
8.1.1引言
8.1.2專利池中的專利權(quán)值網(wǎng)絡(luò)構(gòu)建
8.1.3改進的粒子群算法求解專利權(quán)值網(wǎng)絡(luò)
8.2改進的粒子群算法求解非線性方程
8.2.1引言
8.2.2方程組的求解算法現(xiàn)狀
8.2.3帶有復(fù)形法局部搜索的粒子群算法求解非線性方程組的測試
8.2.4算法的應(yīng)用

參考文獻

群智能算法在經(jīng)濟模型中的應(yīng)用        

  本文關(guān)鍵詞：群智能算法在經(jīng)濟模型中的應(yīng)用，由筆耕文化傳播整理發(fā)布。