简介
元胞自动机运用简单的、局部规则的、离散的、自下而上的建模方法，借助计算机可以把系统中各个因素之间的非线性关系转化为可执行的程序，去模拟复杂的、全局的、连续的系统。所以，元胞自动机目前已成为研究动态复杂系统的有效手段，在越来越广泛的学科领域内获得应用。
《实用元胞自动机导论》由李学伟、吴今培、李雪岩著，本书首先系统地阐释了元胞自动机的思想基础、工作原理、建模方法及复杂性分析，然后探讨了元胞自动机与遗传算法、神经网络、智能体Agent的沟通、交互和渗透，最后介绍了元胞自动机在经济、城市交通管理和疾病传播领域的典型应用。
《实用元胞自动机导论》内容新颖、可读性强，充分反映元胞自动机跨学科、交叉性的研究思路，理论性与实用性兼顾。本书可作为信息科学与工程、人工智能、系统工程、复杂性管理、经济管理、交通运输专业的高年级本科、研究生公共选修课的教材，也适合从事相关专业的师生、科研工作者参考。
目录
第1章 元胞自动机的思想基础
1.1 复杂性形成的一种思维方式——复杂性思维
1.1.1 简单性与简单性原则
1.1.2 复杂性与复杂性思维
1.2 复杂性形成的一种计算模式——规则计算
1.2.1 计算复杂性
1.2.2 复杂性研究的两种计算模式
1.3 复杂性形成的一种离散动力学模型——元胞自动机
参考文献
第2章 元胞自动机的工作原理
2.1 元胞自动机的创立
2.2 元胞自动机的定义
2.2.1 数学定义
2.2.2 物理定义
2.3 元胞自动机的构成
2.3.1 元胞
2.3.2 元胞空间
2.3.3 邻居
2.3.4 演化规则
2.4 元胞自动机的工作过程
2.5 元胞自动机中的信息处理
2.6 元胞自动机的基本特征
2.7 三种经典的元胞自动机
2.7.1 沃尔夫勒姆的初等元胞自动机
2.7.2 康威的“生命游戏”
2.7.3 兰顿的“虚拟蚂蚁”
2.8 元胞自动机的哲学启示
参考文献
第3章 元胞自动机的建模方法
3.1 计算机模型
3.2 元胞自动机模型
3.2.1 元胞自动机模型的抽象性
3.2.2 元胞自动机模型的适应性
3.2.3 元胞自动机模型的自组织性
3.2.4 元胞自动机模型的构成
3.3 元胞自动机的建模过程
3.3.1 确定被研究系统的性质
3.3.2 对系统进行格状分割
3.3.3 确定元胞的初始状态
3.3.4 确定系统的演化规则
3.4 股票市场投资策略演化模拟
参考文献
第4章 元胞自动机的复杂性
引言
4.1 自然界复杂性与形式语言
4.1.1 粗粒化描述与符号序列
4.1.2 形式语言和语法复杂性
4.1.3 形式语言与自动机等价性理论
4.1.4 元胞自动机通用计算与图灵机
4.2 元胞自动机演化位型复杂性
4.2.1 元胞自动机的语言复杂性
4.2.2 几类元胞自动机复杂性层次证明
4.3 元胞自动机的复杂性度量
4.3.1 熵与信息熵
4.3.2 元胞自动机与熵
4.3.3 元胞自动机演化行为复杂性度量
4.4 小结
参考文献
第5章 元胞遗传算法
引言
5.1 传统遗传算法
5.1.1 遗传算法概述与基本思路
5.1.2 传统遗传算法的计算流程
5.1.3 传统遗传算法的性能及自身存在的不足
5.1.4 小结
5.2 元胞遗传算法
5.2.1 遗传算法的元胞演化规则算法（E-CGA）
5.2.2 自适应元胞遗传算法（SA-CGA）
5.2.3 加入演化规则的自适应元胞遗传算法（ESA-CGA）
5.2.4 改进1：基于保留精英策略的元胞遗传算法
5.2.5 改进2：引入自适应交叉算子的元胞遗传算法
5.2.6 改进3：三维元胞遗传算法
5.2.7 小结
5.3 自适应元胞遗传算法在动态环境下的应用
5.3.1 证券投资中的决策问题
5.3.2 问题提出
5.3.3 传统运筹学方法求解
5.3.4 自适应元胞遗传算法求解
5.3.5 小结
参考文献
第6章 元胞神经网络
引言
6.1 人工神经网络的基本原理
6.1.1 生物神经元
6.1.2 人工神经元
6.1.3 神经网络的结构
6.1.4 神经网络的学习方法
6.1.5 神经网络的学习算法
6.2 元胞自动机与神经网络结合的可行性
6.2.1 为什么要结合？
6.2.2 结合思想：“帮助”和“取代”
6.2.3 小结
6.3 基于BP神经网络的元胞自动机规则挖掘（BP-CA）
6.3.1 BP神经网络及算法流程
6.3.2 BP-CA算法
6.3.3 建模实例——疾病传染预测
6.3.4 小结
6.4 自适应元胞神经网络模型（SCNN）
6.4.1 建模思想及理论基础
6.4.2 内生时间序列预测模型
6.4.3 外生时间序列预测模型
6.4.4 小结
6.5 元胞遗传神经网络（CGNN）
6.5.1 构建网络
6.5.2 网络运行原理及演化步骤
6.5.3 计算机仿真
6.5.4 小结
参考文献
第7章 Agent-元胞自动机
引言
7.1 什么是“Agent”
7.1.1 Agent的概念
7.1.2 Agent的特点
7.1.3 Agent的结构分类
7.1.4 Agent的内部构成及形式化描述
7.1.5 小结
7.2 元胞自动机与Agent
7.2.1 从班长与士兵说起
7.2.2 两套规则
7.2.3 Agent——元胞自动机——规则
7.2.4 Agent在元胞空间内的通信行为——协同搜索
7.2.5 Agent——元胞自动机——交互
7.2.6 小结
7.3 元胞自动机与多Agent建模实例——道路交通
7.3.1 NaSch模型
7.3.2 对NaSch模型的改进——刹车灯（BL）模型
7.3.3 小结
7.4 元胞自动机与多Agent建模实例——产业集群
7.4.1 元胞自动机设置、Agent结构及层次
7.4.2 演化规则
7.4.3 计算机仿真
7.4.4 小结
参考文献
第8章 元胞自动机的应用领域
引言
8.1 元胞自动机在经济领域的应用
8.1.1 元胞自动机与演化经济学
8.1.2 元胞自动机在经济领域应用举例
8.1.3 元胞自动机在经济领域中应用的特点
8.1.4 元胞自动机理论在经济领域的发展方向
8.1.5 小结
8.2 元胞自动机在城市交通领域的应用
8.2.1 基于元胞自动机的城市交通系统解析
8.2.2 基于元胞自动机的人性化交叉口模拟
8.2.3 元胞自动机在城市交通拥堵成本中的应用
8.2.4 小结
8.3 元胞自动机在研究疾病传播过程中的应用
8.3.1 假设
8.3.2 元胞自动机的演化规则
8.3.3 元胞空间内疾病传播的仿真
8.3.4 小结
参考文献
第9章 结语-未来展望
9.1 基于规则的复杂系统建模
9.1.1 自下而上与自上而下建模方法的结合
9.1.2 复杂问题与简单规则
9.2 元胞自动机的规则挖掘
9.2.1 基于局部演化现象的规则挖掘
9.2.2 基于智能算法的规则挖掘
9.3 元胞自动机的涌现计算
9.3.1 涌现的内涵
9.3.2 涌现计算
9.4.未来展望
参考文献
1.1 复杂性形成的一种思维方式——复杂性思维
1.1.1 简单性与简单性原则
1.1.2 复杂性与复杂性思维
1.2 复杂性形成的一种计算模式——规则计算
1.2.1 计算复杂性
1.2.2 复杂性研究的两种计算模式
1.3 复杂性形成的一种离散动力学模型——元胞自动机
参考文献
第2章 元胞自动机的工作原理
2.1 元胞自动机的创立
2.2 元胞自动机的定义
2.2.1 数学定义
2.2.2 物理定义
2.3 元胞自动机的构成
2.3.1 元胞
2.3.2 元胞空间
2.3.3 邻居
2.3.4 演化规则
2.4 元胞自动机的工作过程
2.5 元胞自动机中的信息处理
2.6 元胞自动机的基本特征
2.7 三种经典的元胞自动机
2.7.1 沃尔夫勒姆的初等元胞自动机
2.7.2 康威的“生命游戏”
2.7.3 兰顿的“虚拟蚂蚁”
2.8 元胞自动机的哲学启示
参考文献
第3章 元胞自动机的建模方法
3.1 计算机模型
3.2 元胞自动机模型
3.2.1 元胞自动机模型的抽象性
3.2.2 元胞自动机模型的适应性
3.2.3 元胞自动机模型的自组织性
3.2.4 元胞自动机模型的构成
3.3 元胞自动机的建模过程
3.3.1 确定被研究系统的性质
3.3.2 对系统进行格状分割
3.3.3 确定元胞的初始状态
3.3.4 确定系统的演化规则
3.4 股票市场投资策略演化模拟
参考文献
第4章 元胞自动机的复杂性
引言
4.1 自然界复杂性与形式语言
4.1.1 粗粒化描述与符号序列
4.1.2 形式语言和语法复杂性
4.1.3 形式语言与自动机等价性理论
4.1.4 元胞自动机通用计算与图灵机
4.2 元胞自动机演化位型复杂性
4.2.1 元胞自动机的语言复杂性
4.2.2 几类元胞自动机复杂性层次证明
4.3 元胞自动机的复杂性度量
4.3.1 熵与信息熵
4.3.2 元胞自动机与熵
4.3.3 元胞自动机演化行为复杂性度量
4.4 小结
参考文献
第5章 元胞遗传算法
引言
5.1 传统遗传算法
5.1.1 遗传算法概述与基本思路
5.1.2 传统遗传算法的计算流程
5.1.3 传统遗传算法的性能及自身存在的不足
5.1.4 小结
5.2 元胞遗传算法
5.2.1 遗传算法的元胞演化规则算法（E-CGA）
5.2.2 自适应元胞遗传算法（SA-CGA）
5.2.3 加入演化规则的自适应元胞遗传算法（ESA-CGA）
5.2.4 改进1：基于保留精英策略的元胞遗传算法
5.2.5 改进2：引入自适应交叉算子的元胞遗传算法
5.2.6 改进3：三维元胞遗传算法
5.2.7 小结
5.3 自适应元胞遗传算法在动态环境下的应用
5.3.1 证券投资中的决策问题
5.3.2 问题提出
5.3.3 传统运筹学方法求解
5.3.4 自适应元胞遗传算法求解
5.3.5 小结
参考文献
第6章 元胞神经网络
引言
6.1 人工神经网络的基本原理
6.1.1 生物神经元
6.1.2 人工神经元
6.1.3 神经网络的结构
6.1.4 神经网络的学习方法
6.1.5 神经网络的学习算法
6.2 元胞自动机与神经网络结合的可行性
6.2.1 为什么要结合？
6.2.2 结合思想：“帮助”和“取代”
6.2.3 小结
6.3 基于BP神经网络的元胞自动机规则挖掘（BP-CA）
6.3.1 BP神经网络及算法流程
6.3.2 BP-CA算法
6.3.3 建模实例——疾病传染预测
6.3.4 小结
6.4 自适应元胞神经网络模型（SCNN）
6.4.1 建模思想及理论基础
6.4.2 内生时间序列预测模型
6.4.3 外生时间序列预测模型
6.4.4 小结
6.5 元胞遗传神经网络（CGNN）
6.5.1 构建网络
6.5.2 网络运行原理及演化步骤
6.5.3 计算机仿真
6.5.4 小结
参考文献
第7章 Agent-元胞自动机
引言
7.1 什么是“Agent”
7.1.1 Agent的概念
7.1.2 Agent的特点
7.1.3 Agent的结构分类
7.1.4 Agent的内部构成及形式化描述
7.1.5 小结
7.2 元胞自动机与Agent
7.2.1 从班长与士兵说起
7.2.2 两套规则
7.2.3 Agent——元胞自动机——规则
7.2.4 Agent在元胞空间内的通信行为——协同搜索
7.2.5 Agent——元胞自动机——交互
7.2.6 小结
7.3 元胞自动机与多Agent建模实例——道路交通
7.3.1 NaSch模型
7.3.2 对NaSch模型的改进——刹车灯（BL）模型
7.3.3 小结
7.4 元胞自动机与多Agent建模实例——产业集群
7.4.1 元胞自动机设置、Agent结构及层次
7.4.2 演化规则
7.4.3 计算机仿真
7.4.4 小结
参考文献
第8章 元胞自动机的应用领域
引言
8.1 元胞自动机在经济领域的应用
8.1.1 元胞自动机与演化经济学
8.1.2 元胞自动机在经济领域应用举例
8.1.3 元胞自动机在经济领域中应用的特点
8.1.4 元胞自动机理论在经济领域的发展方向
8.1.5 小结
8.2 元胞自动机在城市交通领域的应用
8.2.1 基于元胞自动机的城市交通系统解析
8.2.2 基于元胞自动机的人性化交叉口模拟
8.2.3 元胞自动机在城市交通拥堵成本中的应用
8.2.4 小结
8.3 元胞自动机在研究疾病传播过程中的应用
8.3.1 假设
8.3.2 元胞自动机的演化规则
8.3.3 元胞空间内疾病传播的仿真
8.3.4 小结
参考文献
第9章 结语-未来展望
9.1 基于规则的复杂系统建模
9.1.1 自下而上与自上而下建模方法的结合
9.1.2 复杂问题与简单规则
9.2 元胞自动机的规则挖掘
9.2.1 基于局部演化现象的规则挖掘
9.2.2 基于智能算法的规则挖掘
9.3 元胞自动机的涌现计算
9.3.1 涌现的内涵
9.3.2 涌现计算
9.4.未来展望
参考文献
Theory of practical cellular automaton
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
