本書系統(tǒng)介紹了各種主流智能算法的原理及其在運營管理決策問題中的應用。相關算法不僅覆蓋禁忌搜索、模擬退火、遺傳算法、淺層前饋神經網絡等傳統(tǒng)智能算法，還涉及卷積神經網絡、循環(huán)神經網絡、注意力模型等前沿的深度神經網絡算法。本書覆蓋的典型運營決策問題案例包括產品需求預測、流水線平衡、車間調度、路徑優(yōu)化、道路速度預測、醫(yī)學圖像分類等，這些案例涉及不同的問題難度與算法復雜性，且均提供程序代碼與實驗指導，有助于讀者更好地理解和掌握智能算法的原理與應用。
更多科學出版社服務，請掃碼獲取。
西安交通大學碩士，香港理工大學博士、博士后
目錄
第1章 緒論1
1.1 人工智能概述1
1.2 人工智能算法概述6
1.3 人工智能算法的應用9
1.4 本章小結10
第2章 運營管理中的典型決策問題11
2.1 需求預測問題11
2.2 生產優(yōu)化問題15
2.3 運輸優(yōu)化問題19
2.4 其他典型決策問題22
2.5 本章小結24
第3章 禁忌搜索算法27
3.1 禁忌搜索算法的提出27
3.2 基本禁忌搜索算法28
3.3 禁忌搜索算法的改進32
3.4 應用案例33
3.5 本章小結36
第4章 模擬退火算法37
4.1 模擬退火算法的提出37
4.2 基本模擬退火算法38
4.3 模擬退火算法的改進42
4.4 應用案例43
4.5 本章小結46
第5章 遺傳算法基礎48
5.1 遺傳算法的提出48
5.2 位串編碼遺傳算法50
5.3 本章小結57
第6章 遺傳算法進階59
6.1 實數編碼遺傳算法59
6.2 順序編碼遺傳算法62
6.3 遺傳算法的變體66
6.4 應用案例68
6.5 本章小結71
第7章 蟻群算法72
7.1 蟻群算法的提出72
7.2 基本蟻群算法74
7.3 改進的蟻群算法78
7.4 應用案例80
7.5 本章小結83
第8章 粒子群優(yōu)化算法85
8.1 粒子群優(yōu)化算法的提出85
8.2 基本粒子群優(yōu)化算法86
8.3 標準粒子群優(yōu)化算法88
8.4 離散粒子群優(yōu)化算法90
8.5 應用案例92
8.6 本章小結96
第9章 人工神經網絡基礎98
9.1 人工神經網絡的生物學基礎98
9.2 從生物神經網絡到人工神經網絡99
9.3 人工神經網絡的構成要素101
9.4 本章小結104
第10章 多層感知器105
10.1 多層感知器的提出105
10.2 多層感知器模型105
10.3 學習算法107
10.4 多層感知器的設計110
10.5 應用案例111
10.6 本章小結113
第11章 卷積神經網絡114
11.1 卷積神經網絡的提出114
11.2 卷積神經網絡的基本原理115
11.3 卷積神經網絡的訓練119
11.4 典型卷積神經網絡121
11.5 應用案例127
11.6 本章小結129
第12章 循環(huán)神經網絡131
12.1 循環(huán)神經網絡的提出131
12.2 基于門控的循環(huán)神經網絡133
12.3 其他循環(huán)神經網絡139
12.4 應用案例141
12.5 本章小結144
第13章 注意力模型145
13.1 注意力機制的提出145
13.2 注意力機制的變體148
13.3 自注意力模型與多頭自注意力模型150
13.4 使用自注意力模型的深度學習算法152
13.5 應用案例157
13.6 本章小結160
參考文獻161
附錄168
A1 基于torchvision包的卷積神經網絡實現168
A2 拓展閱讀：魔笛Python實驗平臺169
書單推薦
