有沒有介紹神經網路、蟻群、遺傳、退火、魚群等等演算法的書籍？
01-02
有沒有一本書集中介紹神經網路演算法、粒子群演算法、退火演算法、蟻群演算法、遺傳演算法、量子演算法、貝葉斯網路、魚群演算法的？
最近發現的神書《MATLAB開發實例系列圖書：MATLAB智能演算法30個案例分析 》第1章 謝菲爾德大學的MATLAB遺傳演算法工具箱第2章 基於遺傳演算法和非線性規期的函數尋優演算法第4章 基於遺傳演算法的TSP演算法
第5章 基於遺傳演算法的LQR控制器優化設計
第7章 多種群遺傳演算法的函數優化演算法第8章 基於量子遺傳演算法的函數尋優演算法第9章 基於遺傳演算法的多目標優化演算法第10章 基於粒子群演算法的多目標搜索演算法第11章 基於多層編碼遺傳演算法的車間調度演算法第12章 免疫優化演算法在物流配送中心選址中的應用第13章 粒子群演算法的尋優演算法第14章 基於粒子群演算法的PID控制器優化設計第15章 基於混合粒子群演算法的TSP搜索演算法」第16章 基於動態粒子群演算法的動態環境尋優演算法
第17章 基於PSO工具箱的函數尋優演算法第18章 基於魚群演算法的函數尋優演算法第19章 基於模擬退火演算法的TSP演算法第20章 基於遺傳模擬退火演算法的聚類演算法第21章 模擬退火演算法工具箱及應用第22章 蟻群演算法的優化計算——旅行商問題（TSP）優化第23章 基於蟻群演算法的二維路徑規劃演算法第24章 基於蟻群演算法的三維路徑規劃演算法第25章 有導師學習神經網路的回歸擬合——基於近紅外光譜的汽油辛烷值預測第26章 有導師學習神經網路的分類——鳶尾花種類識別
第27章 無導師學習神經網路的分類——礦井突水水源判別第28章 支持向量機的分類——基於乳腺組織電阻抗特性的乳腺癌診斷第29章 支持向量機的回歸擬合——混凝土抗壓強度預測第30章 極限學習機的回歸擬合及分類——對比實驗研究《計算智能》清華大學出版社：適合入門。
《精通Matlab最優化計算》電子工業出版社：matlab程序，源代碼：
Code_MATLAB_Optimization 這是龔純《精通 最優化計算》隨書源碼(M文件)。基於 工具箱，代碼包含 222萬源代碼下載樓上所說的書附帶的源代碼MATLAB-nerual-networks 《 智能演算法30個案例分析》一書中的全部 源代碼 182萬源代碼下載網路資源豐富多彩啊，英語好的話。真心話！看到樓上說MATLAB智能演算法30個案例分析，是眾民間高手合寫。曾對這本書每個案例都實踐過，入門可以試試，需結合Google或者演算法書籍。理論部分實在很淺。。。主要還是教你在掌握極少原理時快速實現。
如果你只想了解一下，可以去翻一下《計算智能導論》，建議看英文原版。
如果想要深入了解的話：目前神經網路大多歸類到機器學習領域，可以參考《Pattern Recognition and Machine Learning》。貝葉斯網路又是涉及概率圖模型的另外一大塊內容，主要參考Koller的《probabilistic graphical models》。其他演算法主要用於解決複雜問題，目前還沒有很好的理論解釋，看看計算智能導論就好了。你說的這些都包含了好幾方面，有機器學習，有神經網路，有智能計算，我個人的建議是你先將你要學習的東西分類一下，比如說智能計算的，裡面有很多的演算法，這樣你才能明白每一種演算法是處理什麼樣的問題的
推薦閱讀：
※怎樣看待地平線機器人以深度強化學習演算法為切入點？
※同價位的專業卡與遊戲卡誰更適合跑深度學習相關程序？
※學數學用中文還是英文？
※為什麼說雲計算、大數據、機器學習、深度學習被並稱為當今計算機界四大俗？
※AlphaGo 演算法的通用性到底有多廣？
TAG:人工智慧 | 演算法 | 書籍 | 神經網路 | 深度學習DeepLearning |