基于群体智能的生物启发式优化方法及应用

（1）算法的研究富有理论实践双重意义，本书对近年提出的一些活跃算法，如群智能算法、蝙蝠算法和布谷鸟算法等，从算法理论、机制、流程、代码、改进和应用等方面进行了系统阐述和深入分析。（2）群智能优化算法，为现实中存在的大量不可微、非线性、不确定性复杂问题提供了方便实用的很优化求解途径和方法。

近年来，基于生物群体智能的启发式优化方法研究发展迅速，相继出现一些性能优越、影响广泛的算法。这些方法模仿自然界中生物系统的群体合作行为和适宜性进化选择，可快速逼近问题的很优解。 本书通过对认可程度高、优化效果好、应用广的萤火虫算法、蝴蝶优化算法、樽海鞘群算法、鲸鱼优化算法等进行了系统介绍和研究，对经典启发式优化方法的流程进行了梳理，给出了理论和实验分析方法与结果，为进一步研究这些算法提供了参考和借鉴。

刘景森，河南大学软件学院教授、硕士生导师、工学博士。主要研究方向：智能算法、优化控制、网络信息安全等。主持完成省部级以上科研项目10余项，作为主要参加人完成多个纵向项目、国防基础研究项目和横向项目。发表专业论文40余篇，其中SCI、EI检索20余篇；主（合）编教材3部。 李煜，河南大学商学院教授，管理学博士，主要研究方向：智能优化、电子商务、供应链物流管理。完成重量、省（部）级项目多项，发表专业论文50余篇，其中SSCI、SCI检索20余篇。

第1章 绪论
1.1 基于群智能的生物启发式优化方法
1.2 粒子群算法
1.2.1 基本思想
1.2.2 算法流程
1.2.3 PSO伪代码
1.3 蚁群算法
1.3.1 基本思想
1.3.2 算法流程
1.3.3 ACO伪代码
1.4 蝙蝠算法
1.4.1 基本思想
1.4.2 算法流程
1.4.3 BA伪代码
1.5 布谷鸟搜索算法
1.5.1 基本思想
1.5.2 算法流程
1.5.3 CSA伪代码
参考文献
第2章 萤火虫算法
2.1 基本萤火虫算法
2.1.1 基本思想
2.1.2 FA算法流程
2.1.3 FA伪代码
2.1.4 研究现状
2.2 具有振荡约束的自然选择萤火虫优化算法(OCSFA)
2.2.1 OCSFA改进策略
2.2.2 OCSFA算法流程
2.2.3 OCSFA伪代码
2.2.4 时间复杂度分析
2.2.5 收敛性证明
2.2.6 求解标准测试函数优化问题
参考文献
第3章 蝴蝶优化算法
3.1 基本蝴蝶优化算法
3.1.1 基本思想
3.1.2 BOA算法流程
3.1.3 BOA伪代码
3.1.4 研究现状
3.2 融合差分变异策略和进化自适应权重的蝴蝶优化算法(DMABOA)
3.2.1 DMABOA改进策略
3.2.2 DMABOA算法流程
3.2.3 DMABOA伪代码
3.2.4 时间复杂度分析
3.2.5 收敛性证明
3.2.6 DMABOA中各改进机制的影响分析
3.2.7 求解多维复杂函数极值优化问题
参考文献
第4章 樽海鞘群算法
4.1 基本樽海鞘群算法
4.1.1 基本思想
4.1.2 SSA算法流程
4.1.3 SSA伪代码
4.1.4 研究现状
4.2 引入有效缩放和随机交叉策略的自适应动态角色樽海鞘群算法（ERDSSA）
4.2.1 ERDSSA改进策略
4.2.2 ERDSSA算法流程
4.2.3 ERDSSA伪代码
4.2.4 时间复杂度分析
4.2.5 求解工程设计约束优化问题
参考文献
第5章 鲸鱼优化算法
5.1 基本鲸鱼优化算法
5.1.1 基本思想
5.1.2 WOA算法流程
5.1.3 WOA伪代码
5.1.4 研究现状
5.2 基于分段式随机惯性权重和很优反馈机制的鲸鱼优化算法（FWOA）
5.2.1 FWOA改进策略
5.2.2 FWOA算法流程
5.2.3 FWOA伪代码
5.2.4 时间复杂度分析
5.2.5 求解CEC基准测试函数优化问题
5.2.6 求解工程设计约束优化问题
参考文献
第6章 总结与展望
附录
索引