智能优化算法——基于生物行为模型的案例分析与设计
系统论述智能优化算法理论、技术与应用、涵盖典型生物启发式算法完整的知识体系、北京大学、英国曼彻斯特大学、中国科学院专家联袂推荐!

作者:刘洋

丛书名:人工智能科学与技术丛书

定价:59元

印次:1-2

ISBN:9787302601081

出版日期:2022.04.01

印刷日期:2023.09.04

图书责编:盛东亮

图书分类:零售

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

本书是一部系统论述基于生物行为模型的智能优化算法案例与实现的著作。全书共分为6章:第1 章介绍生物启发式计算的研究背景, 对传统生物启发式计算方法进行了概述;第2章介绍将层次型信息 交流拓扑结构引入人工蜂群觅食模型中的内容, 提出基于层次型信息交流机制的多蜂群协同进化优化算 法, 使用该算法在搜索过程中能够维持整个种群多样性的群落级进化, 从而克服传统单层生物启发式优化 模型的“ 早熟收敛” 问题, 并进一步提升算法的收敛速度与收敛精度; 第3章借鉴微生物学**研究成果, 从能量变化角度对细菌构建基于生命周期的优化模型, 进一步介绍基于生命周期的菌群觅食自适应优 化算法;第4章研究如何将改进的蜂群觅食优化算法用于求解聚类问题, 将基于层次型信息交流机制 的多蜂群协同进化优化的聚类优化算法用于教学评价体系;第5章研究如何将基于 L C B F A 的多阈值 图像分割算法用于图像分割的问题;第6章对植物根系自适应生长与**觅食这种典型生物个体行 为进行深入研究, 建立了基于根系生长的智能计算模型— — —混合人工植物根系生长优化模型。 本书从生物建模机理、 算法设计和工程应用层面针对典型的生物觅食行为启发式计算方法进行 研究, 取得了具有创新性和应用价值的成果, 所提出的改进策略和优化方法对于拓展相关领域的研 究、 指导实际应用都将具有一定的借鉴意义, 可为从事相关智能优化方法研究的科研工作者提供可 借鉴的理论指导。

刘洋 沈阳大学教授,博士生导师。中国科学院大学博士,北京大学博士后,英国曼彻斯特大学访问学者。现任沈阳大学信息工程学院副院长,装备制造综合自动化重点实验室副主任。从事人工智能算法、复杂系统建模方向的研究工作。作为负责人先后主持国家级、省级与市级科研项目10余项,在学术期刊上发表SCI/EI检索论文20余篇,出版英文专著1部,获得发明专利40余项。

前言 在智能计算领域,生物界某些个体或群体的行为特征、演化特性给予研究人员很多启示,因此许多模拟生物行为和现象的优化算法应运而生,上述研究统称为生物启发式计算方法。生物行为 有多种,觅食行为是生物生存及繁殖的重要行为,不同类型的生物,从低等单细胞细菌到高等动物都具有不同的觅食行为模式,有关模拟生物觅食行为规律的启发式计算方法自从提出以来,一直受到国内外学者和工程技术人员的广泛关注。 尽管基于生物觅食行为的启发式计算研究日趋成熟,但通过分析现有研究可以看出,在求解复杂的实际问题的过程中, 我们在 保持算法的多样性,兼顾全局与局部搜索的均衡 ,实现算法参数自适应优化,有效克服算法的 “早熟收敛”问题,提高算法的搜索效率和收敛精度等方面尚存在较大的改进空间。 本书利用自然生物最优觅食理论、复杂自适应系统等成果,在国内外生物启发式计算相关工作的基础上,从生物建模、算法设计、工程应用层面,针对基于觅食行为的生物启发式算法展开了深入的研究,并结合数据聚类分析、彩色图像处理等典型实际问题设计了新的求解方法,为从事相关优化方法研究的科研工作者提供可借鉴的理论指导。 本书分为6章,内容涵盖了以下几方面: (1) 针对传统基于单层生物启发式优化模型的原始蜂群算法存在“早熟收敛”问题,将层次型信息交流拓扑结构引入人工蜂群觅食模型中,提出基于层次型信息交流机制的多蜂群协同进化算法,实现在搜索过程中 维持整个种群多样性的 进化。通过仿真实验表明,该方法能够有效地保持整个种群的多样性, 有效地提升了算法的收敛速度与收敛精度。 (2) 从能量变化...

暂无课件

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

目录

第1章智能优化算法概述

1.1生物启发式计算研究背景

1.2生物启发式计算典型方法分析

1.2.1遗传算法

1.2.2神经网络计算

1.2.3模糊计算

1.2.4蜂群优化算法

1.2.5细菌觅食优化

1.3生物启发式计算的应用与发展趋势

1.4本章小结

第2章基于层次型信息交流机制的多蜂群协同进化

2.1人工蜂群算法的基本思想与流程

2.2多蜂群协同进化机制

2.3层次型信息交流机制

2.3.1静态拓扑结构交流机制

2.3.2动态拓扑结构交流机制

2.4层次型信息传递策略设计

2.5基于层次型信息交流机制的多蜂群协同进化优化算法设计

2.5.1多蜂群协同进化优化算法模型

2.5.2多蜂群协同进化优化算法流程设计

2.6蜂群协同进化算法性能测试与分析

2.6.1基于平面拓扑结构的单蜂群优化算法测试

2.6.2基于层次型信息交流机制的多蜂群优化算法测试

2.7本章小结

第3章基于生命周期的菌群觅食自适应优化

3.1人工细菌优化算法的基本模型

3.1.1趋化行为

3.1.2繁殖与消亡

3.1.3迁移

3.2微生物种群演化动力学与优化策略

3.2.1微生物种群演化动力学

3.2.2基于生命周期的菌群觅食自适应优化策略

3.3基于生命周期的菌群觅食自适应优化模型与算法流程

3.3.1优化模型

3.3.2算法流程

3.4基于生命...

生物启发式计算是建立在仿生学、生态系统分析、计算机应用技术等学科基础上的一种优化计算方法,是人工智能优化算法发展的重要分支。由于此类方法具备问题描述简单和优化性能高效的的特点,被广泛应用于各类复杂优化问题的求解。为满足研究相关优化方法的科研工作者及广大普通读者的需求,作者编写了《智能优化算法——基于生物行为模型的案例与实现》。本书从建模机理、算法设计和工程应用层面对典型的生物觅食行为启发式计算方法进行研究,帮助读者形成关于生物启发式计算的知识体系。本书系统论述了智能优化算法的理论、技术及应用,具体内容包括:
 基于层次型信息交流机制的多蜂群协同进化;
 基于生命周期的菌群觅食自适应优化;
 面向聚类分析的MCABC-FCM算法研究与应用;
 基于LCBFA的多阈值分割算法及其在彩色图像处理中的应用。