高级自然计算理论与应用

演化算法是一类基于群体智能的自然启发式搜索优化策略，具有结构灵活、易于理解、适用广泛的特点。本书是作者多年研究成果的总结，介绍基于复杂适应度函数的进化算法、化学反应优化算法、人工内分泌系统模型、反向差分进化算法等高级计算智能方法，以及算法在目标的识别和跟踪、车辆路径问题等复杂实际场景中的应用。本书可供计算机科学与技术、人工智能、应用数学等学科背景的高年级本科生和研究生阅读，也可供相关领域的工程技术人员参考。

前言
第1章绪论1
1.1优化问题的数学模型4
1.2进化算法概述4
1.2.1进化算法的产生和发展5
1.2.2进化算法的基本步骤6
1.2.3进化算法的特点7
1.3经典进化算法8
1.3.1粒子群优化算法8
1.3.2差分进化算法8
1.3.3人工蜂群算法9
第2章基于复杂适应度函数的进化算法11
2.1Hoeffding进化算法14
2.1.1研究背景14
2.1.2算法描述及分析15
2.1.3实验结果及讨论21
2.2多生命周期进化算法32
2.2.1研究背景32
2.2.2算法描述及分析32
2.2.3实验结果及讨论37
2.3混龄遗传规划算法42
2.3.1研究背景42
2.3.2算法描述及分析43
2.3.3实验结果及讨论47
第3章化学反应优化算法53
3.1引言53
3.1.1化学反应优化算法概述53
3.1.2化学反应优化算法研究现状56
3.2基于分解的多目标化学反应优化算法57
3.2.1算法描述及分析57
3.2.2实验结果及讨论63
3.3基于自组织映射的混合化学反应优化算法67
3.3.1算法描述67
3.3.2实验结果及讨论75
第4章人工内分泌系统模型95
4.1生物内分泌系统95
4.1.1内分泌系统的组成95
4.1.2激素间的作用方式96
4.2人工内分泌系统的研究进展96
4.2.1人工内分泌系统的理论模型96
4.2.2AES与其他自然计算方法的结合98
4.2.3AES的应用研究99
4.3LAES模型设计与分析100
4.3.1模型设计100
4.3.2模型分析106
第5章反向学习策略110
5.1引言110
5.2基于当前很优解的反向学习策略及算法112
5.2.1反向差分进化算法112
5.2.2基于当前很优解的反向学习策略及反向差分进化算法描述114
5.2.3实验结果及讨论118
5.3反向学习策略的评估方法143
5.3.1方法描述143
5.3.2计算实例144
5.3.3仿真验证150
第6章工程应用实例152
6.1Hoeffding进化算法在视觉跟踪中的应用152
6.1.1问题描述152
6.1.2算法描述158
6.1.3实验结果及讨论159
6.2化学反应优化算法在车辆路径问题中的应用169
6.2.1问题描述169
6.2.2算法描述172
6.2.3实验结果及讨论180
6.3人工内分泌系统模型在群体机器人系统中的应用187
6.3.1算法描述187
6.3.2实验结果及讨论189
参考文献192
附录205
附录A十种算法所获得的Pareto很优前沿205
附录B常用测试函数215