智能優(yōu)化算法：基于生物行為模型的案例分析與設計

定　價：￥59.00

作　者：	劉洋
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302601081	出版時間：	2022-04-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本書是一部系統(tǒng)論述基于生物行為模型的智能優(yōu)化算法案例與實現(xiàn)的著作。全書共分為6章：第1 章介紹生物啟發(fā)式計算的研究背景，對傳統(tǒng)生物啟發(fā)式計算方法進行了概述;第2章介紹將層次型信息交流拓撲結構引入人工蜂群覓食模型中的內容，提出基于層次型信息交流機制的多蜂群協(xié)同進化優(yōu)化算法，使用該算法在搜索過程中能夠維持整個種群多樣性的群落級進化，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” 問題，并進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**研究成果，從能量變化角度對細菌構建基于生命周期的優(yōu)化模型，進一步介紹基于生命周期的菌群覓食自適應優(yōu) 化算法;第4章研究如何將改進的蜂群覓食優(yōu)化算法用于求解聚類問題，將基于層次型信息交流機制的多蜂群協(xié)同進化優(yōu)化的聚類優(yōu)化算法用于教學評價體系;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題;第6章對植物根系自適應生長與**覓食這種典型生物個體行為進行深入研究，建立了基于根系生長的智能計算模型— — —混合人工植物根系生長優(yōu)化模型。本書從生物建模機理、算法設計和工程應用層面針對典型的生物覓食行為啟發(fā)式計算方法進行研究，取得了具有創(chuàng)新性和應用價值的成果，所提出的改進策略和優(yōu)化方法對于拓展相關領域的研究、指導實際應用都將具有一定的借鑒意義，可為從事相關智能優(yōu)化方法研究的科研工作者提供可借鑒的理論指導。

作者簡介

　　劉洋沈陽大學教授，博士生導師。中國科學院大學博士，北京大學博士后，英國曼徹斯特大學訪問學者。現(xiàn)任沈陽大學信息工程學院副院長，裝備制造綜合自動化重點實驗室副主任。從事人工智能算法、復雜系統(tǒng)建模方向的研究工作。作為負責人先后主持、省級與市級科研項目10余項，在學術期刊上發(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。

圖書目錄

第1章智能優(yōu)化算法概述
1.1生物啟發(fā)式計算研究背景
1.2生物啟發(fā)式計算典型方法分析
1.2.1遺傳算法
1.2.2神經網(wǎng)絡計算
1.2.3模糊計算
1.2.4蜂群優(yōu)化算法
1.2.5細菌覓食優(yōu)化
1.3生物啟發(fā)式計算的應用與發(fā)展趨勢
1.4本章小結
第2章基于層次型信息交流機制的多蜂群協(xié)同進化
2.1人工蜂群算法的基本思想與流程
2.2多蜂群協(xié)同進化機制
2.3層次型信息交流機制
2.3.1靜態(tài)拓撲結構交流機制
2.3.2動態(tài)拓撲結構交流機制
2.4層次型信息傳遞策略設計
2.5基于層次型信息交流機制的多蜂群協(xié)同進化優(yōu)化算法設計
2.5.1多蜂群協(xié)同進化優(yōu)化算法模型
2.5.2多蜂群協(xié)同進化優(yōu)化算法流程設計
2.6蜂群協(xié)同進化算法性能測試與分析
2.6.1基于平面拓撲結構的單蜂群優(yōu)化算法測試
2.6.2基于層次型信息交流機制的多蜂群優(yōu)化算法測試
2.7本章小結
第3章基于生命周期的菌群覓食自適應優(yōu)化
3.1人工細菌優(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微生物種群演化動力學與優(yōu)化策略
3.2.1微生物種群演化動力學
3.2.2基于生命周期的菌群覓食自適應優(yōu)化策略
3.3基于生命周期的菌群覓食自適應優(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優(yōu)化算法性能分析
3.5本章小結
第4章面向聚類分析的MCABCFCM算法研究與應用
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算法設計
4.5基于MCABCFCM算法的教學評價方法研究
4.5.1教學評價的影響因素
4.5.2教學評價數(shù)據(jù)的標準化
4.6本章小結
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用研究
5.1引言
5.2彩色空間的轉換與多閾值圖像分割算法
5.2.1彩色空間的轉換
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
第6章植物根系自適應生長層級演化模型及算法
6.1植物根系優(yōu)化算法
6.1.1生長素模型
6.1.2趨向性
6.1.3分根
6.1.4側根隨機搜索
6.1.5根尖老化死亡
6.2植物根系層級演化交流模式
6.2.1同層級信息交流模式
6.2.2層級間信息交流模式
6.3植物根系自適應生長層級演化算法
6.4HARFO算法性能測試
6.5本章小結
參考文獻