智能优化算法 基于生物行为模型的案例分析与设计

"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 "

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章借鉴微生物学新研究成果，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LCBFA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重量、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。

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基于生命周期的菌群觅食自适应优化算法性能分析
3.5本章小结
第4章面向聚类分析的MCABC-FCM算法研究与应用
4.1引言
4.2聚类算法现状概述
4.3典型的模糊C-均值算法
4.4MCABC-FCM算法设计
4.5基于MCABC-FCM算法的教学评价方法研究
4.5.1教学评价的影响因素
4.5.2教学评价数据的标准化
4.6本章小结
第5章基于LCBFA的多阈值图像分割算法及在彩色图像处理中的应用研究
5.1引言
5.2彩色空间的转换与多阈值图像分割算法
5.2.1彩色空间的转换
5.2.2多阈值图像分割算法
5.3基于LCBFA的多阈值图像分割算法
5.3.1图像分割步骤
5.3.2彩色图像分割
5.4基于BFA和LCBFA的多阈值图像分割算法性能分析
5.5本章小结
第6章植物根系自适应生长层级演化模型及算法
6.1植物根系优化算法
6.1.1生长素模型
6.1.2趋向性
6.1.3分根
6.1.4侧根随机搜索
6.1.5根尖老化死亡
6.2植物根系层级演化交流模式
6.2.1同层级信息交流模式
6.2.2层级间信息交流模式
6.3植物根系自适应生长层级演化算法
6.4HARFO算法性能测试
6.5本章小结
参考文献