集群智慧型：原理、發展和套用（精裝版）

《集群智慧型：原理、發展和套用（精裝版）》是2017年3月電子工業出版社出版的圖書，作者是夏輝。

基本介紹

• 書名：集群智慧型：原理、發展和套用（精裝版）
• 作者：夏輝
• ISBN：9787121307966
• 頁數：208頁
• 定價：128元
• 出版社：電子工業出版社
• 出版時間：2017年3月
• 開本：16開

內容簡介

本書包含了許多群智慧型算法的前沿套用，如群機器人、自組織生產和下一代網路路由協定等。與國內大多數同類書籍不同，本書並不直接介紹群智慧型算法，而是以一章的篇幅介紹群智慧型方法的生物學基礎，使得讀者能夠對群智慧型的淵源有一個了解，從而更好地理解群智慧型方法。

圖書目錄

第1章　緒論 001

1.1 靈感啟發來源 002

1.1.1 集群智慧型算法 003

1.1.2 非集群智慧型的生物啟發式算法 003

1.1.3 基於物理和化學的算法 003

1.1.4 其他算法 003

1.2 隨機變數 004

1.2.1 均勻分布 004

1.2.2 常態分配 004

1.2.3 柯西分布 004

1.2.4 泊松分布 005

1.2.5 Levy分布 005

1.3 生成偽隨機數 006

1.3.1 累積方法 007

1.3.2 接受/拒絕法 007

1.3.3 組合方法 008

1.4 隨機遊走 008

1.5 混沌 009

1.6 本章小結 012

參考文獻 012

第2章　蝙蝠算法（BA） 015

2.1 蝙蝠算法 015

2.1.1 蝙蝠行為 015

2.1.2 蝙蝠算法的具體內容 015

2.2 蝙蝠算法衍生算法 018

2.2.1 離散蝙蝠算法 018

2.2.2 二進制蝙蝠算法 018

2.2.3 混沌蝙蝠算法（CBA） 019

2.2.4 並行蝙蝠算法 019

2.2.5 約束問題蝙蝠算法 020

2.2.6 Lèvy分布蝙蝠算法 020

2.2.7 帶有Lèvy分布的混沌蝙蝠算法 021

2.2.8 自適應蝙蝠算法 022

2.2.9 參數自適應蝙蝠算法 024

2.3 蝙蝠算法與其他算法的融合 025

2.3.1 蝙蝠算法與差分進化算法的融合 026

2.3.2 蝙蝠算法與粒子群最佳化算法的融合 026

2.3.3 蝙蝠算法與布穀鳥搜尋的融合 027

2.3.4 蝙蝠算法與模擬退火算法的融合 028

2.3.5 蝙蝠算法與和聲搜尋的融合 029

2.3.6 蝙蝠算法與人工蜂群算法的融合 029

2.4 蝙蝠算法的套用實例 030

2.4.1 蝙蝠算法在病態地磁反轉問題中的套用 034

2.4.2 蝙蝠算法在社會網路社區檢測問題中的套用 039

2.5 本章小結 040

參考文獻 041

第3章　人工魚群 045

3.1 魚群最佳化 045

3.1.1 生物原理 045

3.1.2 人工魚群算法 045

3.2 AFSA 的衍生算法 047

3.2.1 簡化的二進制AFSA算法 047

3.2.2 快速AFSA算法（FAFSA） 048

3.2.3 改進AFSA算法 048

3.2.4 新AFSA算法（NAFSA） 050

3.2.5 變異AFSA算法 052

3.2.6 模糊自適應AFSA算法 052

3.2.7 參數自適應的AFSA算法 053

3.2.8 改進捕食策略的AFSA算法 054

3.2.9 量子AFSA算法 054

3.2.10 混沌AFSA算法 054

3.2.11 並行AFSA算法（PAFSA） 054

3.3 AFSA與其他算法的融合 055

3.3.1 AFSA與文化算法（CA）的融合算法（CAFAC） 055

3.3.2 AFSA與 PSO算法的融合算法 056

3.3.3 AFSA與螢火蟲最佳化算法（GSO）的融合算法 056

3.3.4 AFSA與細胞學習自動機的融合算法 056

3.4 AFSA的套用實例 057

3.4.1 AFSA在無線網路最優簇頭（CHs）位置選擇中的套用 061

3.4.2 AFSA在社會網路社區檢測問題中的套用 062

3.5 本章小結 063

參考文獻 063

第4章　布穀鳥搜尋算法 067

4.1 布穀鳥搜尋（CS） 067

4.1.1 布穀鳥的繁殖行為 067

4.1.2 人工布穀鳥搜尋 067

4.2 布穀鳥搜尋算法的衍生算法 069

4.2.1 離散布穀鳥搜尋算法 069

4.2.2 二進制編碼布穀鳥搜尋算法 070

4.2.3 混沌布穀鳥搜尋算法 070

4.2.4 並行布穀鳥搜尋算法 071

4.2.5 約束問題布穀鳥搜尋算法 072

4.2.6 參數自適應的布穀鳥搜尋算法 072

4.2.7 高斯布穀鳥搜尋算法 073

4.3 布穀鳥搜尋算法與其他算法的融合 073

4.3.1 布穀鳥搜尋算法與差分進化算法的融合 074

4.3.2 布穀鳥搜尋算法與分散搜尋算法的融合 074

4.3.3 布穀鳥搜尋算法與蟻群最佳化算法的融合 074

4.3.4 布穀鳥搜尋算法與鮑威爾搜尋算法的融合 075

4.3.5 布穀鳥搜尋算法與單純形法的融合 075

4.3.6 布穀鳥搜尋算法與蝙蝠算法的融合（BA-CS） 075

4.3.7 布穀鳥搜尋算法與粒子群最佳化算法的融合 076

4.3.8 布穀鳥搜尋算法與Levenberg-Marquardt算法的融合（CSLM） 076

4.3.9 布穀鳥搜尋算法與量子計算的融合 077

4.4 布穀鳥搜尋算法的套用實例 077

4.4.1 布穀鳥搜尋在特徵選擇中的套用 081

4.4.2 解決凸經濟調度問題的改進布穀鳥搜尋算法 085

4.5 本章小結 087

參考文獻 088

第5章　螢火蟲算法 091

5.1 螢火蟲算法（FFA） 091

5.1.1 螢火蟲行為介紹 091

5.1.2 人工螢火蟲算法 091

5.2 螢火蟲算法的衍生算法 093

5.2.1 離散螢火蟲算法 093

5.2.2 二進制編碼螢火蟲算法 095

5.2.3 混沌螢火蟲算法 095

5.2.4 並行螢火蟲算法 096

5.2.5 約束問題螢火蟲算法 096

5.2.6 Lèvy飛行螢火蟲算法 （LFA） 097

5.2.7 智慧型螢火蟲算法（IFA） 098

5.2.8 高斯螢火蟲算法（GOFF） 098

5.2.9 網路結構螢火蟲算法（NS-FA） 099

5.2.10 參數自適應螢火蟲算法 100

5.3 螢火蟲算法與其他算法的融合算法 101

5.3.1 螢火蟲算法與差分進化算法的融合（HEFA） 101

5.3.2 螢火蟲算法與和聲搜尋算法的融合（HS/FA） 103

5.3.3 螢火蟲算法與模式搜尋算法的融合（hFAPS） 103

5.3.4 螢火蟲算法與自動學習機算法的融合（LA-FF） 103

5.3.5 螢火蟲算法與蟻群最佳化算法的融合 104

5.4 螢火蟲算法的套用實例 104

5.5 本章小結 113

參考文獻 113

第6章　花卉授粉算法 119

6.1 花卉授粉算法（FPA） 119

6.1.1 花卉授粉特徵 119

6.1.2 人工花卉授粉算法 119

6.2 花卉授粉算法的衍生算法 121

6.2.1 二進制花卉授粉算法 121

6.2.2 混沌花卉授粉算法 122

6.2.3 帶有約束條件的花卉授粉算法 122

6.2.4 多目標花卉授粉算法 122

6.2.5 改進花卉授粉算法 123

6.3 花卉授粉算法與其他算法的融合算法 123

6.3.1 花卉授粉與PSO的融合算法 124

6.3.2 花卉授粉與和聲搜尋的融合算法 124

6.4 花卉授粉算法的套用實例 124

6.5 花卉授粉算法在特徵選擇中的套用 126

6.6 本章小結 131

參考文獻 131

第7章　人工蜂群最佳化 133

7.1 人工蜂群（ABC） 133

7.1.1 算法靈感啟發來源 133

7.1.2 人工蜂群算法 133

7.2 ABC的衍生算法 136

7.2.1 二進制編碼ABC 136

7.2.2 混沌搜尋ABC（CABC） 137

7.2.3 並行ABC 137

7.2.4 約束問題ABC 138

7.2.5 列維飛行（Lèvy flight）ABC 138

7.2.6 精英選擇ABC 139

7.2.7 互動式ABC 139

7.2.8 基於Pareto的ABC 140

7.2.9 模糊混沌ABC 140

7.2.10 多目標最佳化ABC 141

7.2.11 JA-ABC 141

7.3 ABC與其他算法的融合算法 142

7.3.1 ABC與最小二乘法融合算法 142

7.3.2 ABC與差分進化的融合算法 143

7.3.3 ABC與量子進化的融合算法 143

7.3.4 ABC與 PS0的融合算法 144

7.3.5 ABC與Levenberg-Marquardt的融合算法 144

7.3.6 ABC與和聲搜尋的融合算法 144

7.3.7 ABC與蟻群最佳化的融合算法 144

7.4 人工蜂群算法的套用實例 145

7.4.1 ABC算法套用於視網膜血管圖像分割 154

7.4.2 模因ABC整數規劃 159

7.5 本章小結 161

參考文獻 161

第8章　基於狼群的搜尋算法 169

8.1 獨狼搜尋算法（WSA） 169

8.1.1 自然界中的狼 169

8.1.2 人工獨狼搜尋算法 170

8.1.3 獨狼搜尋算法的衍生算法 172

8.1.4 狼群算法（WPA） 172

8.1.5 灰狼最佳化（GWO） 174

8.2 獨狼搜尋最佳化算法的套用實例 175

8.3 本章小結 182

參考文獻 182

第9章　總覽 183

9.1 準則（1）：基於集群指引的分類 183

9.2 準則（2）：基於所採用機率分布的分類 184

9.3 準則（3）：根據行為數量的分類 185

9.4 準則（4）：基於個體位置分布的分類 187

9.5 準則（5）：控制參數的個數 188

9.6 準則（6）：基於在每一步疊代是否生成全新個體的分類 190

9.7 準則（7）：基於最佳化過程中使用速度概念進行搜尋的分類 191

9.8 準則（8）：基於使用的全局尋優/局部搜尋方法的分類 192

9.9 本章小結 195

參考文獻 195