智能優(yōu)化算法：基于生物行為模型的案例分析與設(shè)計(jì)

定　價(jià)：￥59.00

作　者：	劉洋
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787302601081	出版時(shí)間：	2022-04-01	包裝：	平裝-膠訂
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是一部系統(tǒng)論述基于生物行為模型的智能優(yōu)化算法案例與實(shí)現(xiàn)的著作。全書共分為6章：第1 章介紹生物啟發(fā)式計(jì)算的研究背景，對(duì)傳統(tǒng)生物啟發(fā)式計(jì)算方法進(jìn)行了概述;第2章介紹將層次型信息交流拓?fù)浣Y(jié)構(gòu)引入人工蜂群覓食模型中的內(nèi)容，提出基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化優(yōu)化算法，使用該算法在搜索過(guò)程中能夠維持整個(gè)種群多樣性的群落級(jí)進(jìn)化，從而克服傳統(tǒng)單層生物啟發(fā)式優(yōu)化模型的“ 早熟收斂” 問(wèn)題，并進(jìn)一步提升算法的收斂速度與收斂精度; 第3章借鑒微生物學(xué)**研究成果，從能量變化角度對(duì)細(xì)菌構(gòu)建基于生命周期的優(yōu)化模型，進(jìn)一步介紹基于生命周期的菌群覓食自適應(yīng)優(yōu) 化算法;第4章研究如何將改進(jìn)的蜂群覓食優(yōu)化算法用于求解聚類問(wèn)題，將基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化優(yōu)化的聚類優(yōu)化算法用于教學(xué)評(píng)價(jià)體系;第5章研究如何將基于 L C B F A 的多閾值圖像分割算法用于圖像分割的問(wèn)題;第6章對(duì)植物根系自適應(yīng)生長(zhǎng)與**覓食這種典型生物個(gè)體行為進(jìn)行深入研究，建立了基于根系生長(zhǎng)的智能計(jì)算模型— — —混合人工植物根系生長(zhǎng)優(yōu)化模型。本書從生物建模機(jī)理、算法設(shè)計(jì)和工程應(yīng)用層面針對(duì)典型的生物覓食行為啟發(fā)式計(jì)算方法進(jìn)行研究，取得了具有創(chuàng)新性和應(yīng)用價(jià)值的成果，所提出的改進(jìn)策略和優(yōu)化方法對(duì)于拓展相關(guān)領(lǐng)域的研究、指導(dǎo)實(shí)際應(yīng)用都將具有一定的借鑒意義，可為從事相關(guān)智能優(yōu)化方法研究的科研工作者提供可借鑒的理論指導(dǎo)。

作者簡(jiǎn)介

　　劉洋沈陽(yáng)大學(xué)教授，博士生導(dǎo)師。中國(guó)科學(xué)院大學(xué)博士，北京大學(xué)博士后，英國(guó)曼徹斯特大學(xué)訪問(wèn)學(xué)者。現(xiàn)任沈陽(yáng)大學(xué)信息工程學(xué)院副院長(zhǎng)，裝備制造綜合自動(dòng)化重點(diǎn)實(shí)驗(yàn)室副主任。從事人工智能算法、復(fù)雜系統(tǒng)建模方向的研究工作。作為負(fù)責(zé)人先后主持、省級(jí)與市級(jí)科研項(xiàng)目10余項(xiàng)，在學(xué)術(shù)期刊上發(fā)表SCI/EI檢索論文20余篇，出版英文專著1部，獲得發(fā)明專利40余項(xiàng)。

圖書目錄

第1章智能優(yōu)化算法概述
1.1生物啟發(fā)式計(jì)算研究背景
1.2生物啟發(fā)式計(jì)算典型方法分析
1.2.1遺傳算法
1.2.2神經(jīng)網(wǎng)絡(luò)計(jì)算
1.2.3模糊計(jì)算
1.2.4蜂群優(yōu)化算法
1.2.5細(xì)菌覓食優(yōu)化
1.3生物啟發(fā)式計(jì)算的應(yīng)用與發(fā)展趨勢(shì)
1.4本章小結(jié)
第2章基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化
2.1人工蜂群算法的基本思想與流程
2.2多蜂群協(xié)同進(jìn)化機(jī)制
2.3層次型信息交流機(jī)制
2.3.1靜態(tài)拓?fù)浣Y(jié)構(gòu)交流機(jī)制
2.3.2動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)交流機(jī)制
2.4層次型信息傳遞策略設(shè)計(jì)
2.5基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化優(yōu)化算法設(shè)計(jì)
2.5.1多蜂群協(xié)同進(jìn)化優(yōu)化算法模型
2.5.2多蜂群協(xié)同進(jìn)化優(yōu)化算法流程設(shè)計(jì)
2.6蜂群協(xié)同進(jìn)化算法性能測(cè)試與分析
2.6.1基于平面拓?fù)浣Y(jié)構(gòu)的單蜂群優(yōu)化算法測(cè)試
2.6.2基于層次型信息交流機(jī)制的多蜂群優(yōu)化算法測(cè)試
2.7本章小結(jié)
第3章基于生命周期的菌群覓食自適應(yīng)優(yōu)化
3.1人工細(xì)菌優(yōu)化算法的基本模型
3.1.1趨化行為
3.1.2繁殖與消亡
3.1.3遷移
3.2微生物種群演化動(dòng)力學(xué)與優(yōu)化策略
3.2.1微生物種群演化動(dòng)力學(xué)
3.2.2基于生命周期的菌群覓食自適應(yīng)優(yōu)化策略
3.3基于生命周期的菌群覓食自適應(yīng)優(yōu)化模型與算法流程
3.3.1優(yōu)化模型
3.3.2算法流程
3.4基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法性能分析
3.5本章小結(jié)
第4章面向聚類分析的MCABCFCM算法研究與應(yīng)用
4.1引言
4.2聚類算法現(xiàn)狀概述
4.3典型的模糊C均值算法
4.4MCABCFCM算法設(shè)計(jì)
4.5基于MCABCFCM算法的教學(xué)評(píng)價(jià)方法研究
4.5.1教學(xué)評(píng)價(jià)的影響因素
4.5.2教學(xué)評(píng)價(jià)數(shù)據(jù)的標(biāo)準(zhǔn)化
4.6本章小結(jié)
第5章基于LCBFA的多閾值圖像分割算法及在彩色圖像處理中的應(yīng)用研究
5.1引言
5.2彩色空間的轉(zhuǎn)換與多閾值圖像分割算法
5.2.1彩色空間的轉(zhuǎn)換
5.2.2多閾值圖像分割算法
5.3基于LCBFA的多閾值圖像分割算法
5.3.1圖像分割步驟
5.3.2彩色圖像分割
5.4基于BFA和LCBFA的多閾值圖像分割算法性能分析
5.5本章小結(jié)
第6章植物根系自適應(yīng)生長(zhǎng)層級(jí)演化模型及算法
6.1植物根系優(yōu)化算法
6.1.1生長(zhǎng)素模型
6.1.2趨向性
6.1.3分根
6.1.4側(cè)根隨機(jī)搜索
6.1.5根尖老化死亡
6.2植物根系層級(jí)演化交流模式
6.2.1同層級(jí)信息交流模式
6.2.2層級(jí)間信息交流模式
6.3植物根系自適應(yīng)生長(zhǎng)層級(jí)演化算法
6.4HARFO算法性能測(cè)試
6.5本章小結(jié)
參考文獻(xiàn)