前言
第 1 章 智能算法在計算機視覺領域的應用 1
1.1 精確捕捉半透明的視覺效果——基于像素級多目標
優(yōu)化的采樣算法 1
1.1.1 研究進展簡述 1
1.1.2 科學原理 4
1.1.3 小結 23
1.2 模糊邏輯與進化計算的“強強聯(lián)合” 24
1.2.1 研究進展簡述 24
1.2.2 科學原理 26
1.2.3 小結 46
1.3 當醫(yī)學遇上人工智能——摳圖算法應用的又一力作 47
1.3.1 研究進展簡述 47
1.3.2 科學原理 48
1.3.3 小結 55
1.4 “深度學習＋摳圖增強”牛刀小試——高效率的紅外圖像行人分類 55
1.4.1 研究進展簡述 55
1.4.2 科學原理 59
1.4.3 小結 82
第 2 章 智能算法在物流規(guī)劃領域的應用 83
2.1 研究進展簡述 83
2.2 科學原理 85
2.2.1 問題描述 85
2.2.2 問題分析 87
2.2.3 算法設計 88
2.2.4 算法分析 90
2.2.5 實驗分析 92
2.3 本章小結 94
第 3 章 智能算法在軟件測試領域的應用 95
3.1 軟件測試開銷過大如何解決——從 ATCG 問題開始 95
3.1.1 研究進展簡述 95
3.1.2 科學原理 99
3.1.3 小結 103
3.2 “隨機啟發(fā)式算法 + 動態(tài)多點搜索策略”小試鋒芒——高效率的 NLP 程序測試 103
3.2.1 研究進展簡述 103
3.2.2 科學原理 104
3.2.3 小結 112
第 4 章 多目標優(yōu)化智能算法的應用 114
4.1 基于自適應參考點的高維多目標進化算法 114
4.1.1 研究進展簡述 114
4.1.2 科學原理 115
4.1.3 小結 131
4.2 配置軟件產品的有效方法——“多目標進化算法＋分布估計” 131
4.2.1 研究進展簡述 131
4.2.2 科學原理 133
4.2.3 小結 157
第 5 章 智能算法計算時間復雜度分析的新方法 158
5.1 研究進展簡述 158
5.2 科學原理 169
5.2.1 問題描述 169
5.2.2 問題建模 171
5.2.3 理論分析 173
5.2.4 算法設計 174
5.2.5 實驗分析——增益概率密度分布函數(shù)的模擬 176
5.2.6 實驗分析——平均增益曲面的擬合 177
5.3 本章小結 179
參考文獻 181