集群智能:原理、发展和应用

图书标准信息

• 作者 夏辉 译者；阿布·埃拉·哈桑尼（Aboul Ella Hassanien）；艾德·埃默里（Eid Emary）
• 出版社 电子工业出版社
• 出版时间 2017-03
• 版次 1
• ISBN 9787121307966
• 定价 128.00元
• 装帧 精装
• 开本 其他
• 页数 195页
• 正文语种 简体中文
• 原版书名 Swarm Intelligence Principles,advances,and Applications

【内容简介】

本书包含了许多群智能算法的前沿应用，如群机器人、自组织生产和下一代网络路由协议等。与国内大多数同类书籍不同，本书并不直接介绍群智能算法，而是以一章的篇幅介绍群智能方法的生物学基础，使得读者能够对群智能的渊源有一个了解，从而更好地理解群智能方法。

【作者简介】

                                 阿布•埃拉•哈桑尼，艾德•埃默里，埃及著名集群智能算法专家，精通集群智能以及受生物启发的计算方法，国际集群智能研究学术带头人。
夏辉，宋勋，王硕，王豪，智能控制专家。

【目录】

                                 第1章 绪论
1.1灵感启发来源
1.1.1集群智能算法
1.1.2非集群智能的生物启发式算法
1.1.3基于物理和化学的算法
1.1.4其他算法
1.2随机变量
1.2.1均匀分布
1.2.2正态分布
1.2.3柯西分布
1.2.4泊松分布
1.2.5Levy分布
1.3生成伪随机数
1.3.1累积方法
1.3.2接受／拒绝法
1.3.3组合方法
1.4随机游走
1.5混沌
1.6本章小结
参考文献
第2章 蝙蝠算法（BA）
2.1蝙蝠算法
2.1.1蝙蝠行为
2.1.2蝙蝠算法的具体内容
2.2蝙蝠算法衍生算法
2.2.1离散蝙蝠算法
2.2.2二进制蝙蝠算法
2.2.3混沌蝙蝠算法（CBA）
2.2.4并行蝙蝠算法
2.2.5约束问题蝙蝠算法
2.2.6Lèvy分布蝙蝠算法
2.2.7带有Lèvy分布的混沌蝙蝠算法
2.2.8自适应蝙蝠算法
2.2.9参数自适应蝙蝠算法
2.3蝙蝠算法与其他算法的融合
2.3.1蝙蝠算法与差分进化算法的融合
2.3.2蝙蝠算法与粒子群优化算法的融合
2.3.3蝙蝠算法与布谷鸟搜索的融合
2.3.4蝙蝠算法与模拟退火算法的融合
2.3.5蝙蝠算法与和声搜索的融合
2.3.6蝙蝠算法与人工蜂群算法的融合
2.4蝙蝠算法的应用实例
2.4.1蝙蝠算法在病态地磁反转问题中的应用
2.4.2蝙蝠算法在社会网络社区检测问题中的应用
2.5本章小结
参考文献
第3章 人工鱼群
3.1鱼群优化
3.1.1生物原理
3.1.2人工鱼群算法
3.2AFSA的衍生算法
3.2.1简化的二进制AFSA算法
3.2.2快速AFSA算法（FAFSA）
3.2.3改进AFSA算法
3.2.4新AFSA算法（NAFSA）
3.2.5变异AFSA算法
3.2.6模糊自适应AFSA算法
3.2.7参数自适应的AFSA算法
3.2.8改进捕食策略的AFSA算法
3.2.9量子AFSA算法
3.2.10混沌AFSA算法
3.2.11并行AFSA算法（PAFSA）
3.3AFSA与其他算法的融合
3.3.1AFSA与文化算法（CA）的融合算法（CAFAC）
3.3.2AFSA与PSO算法的融合算法
3.3.3AFSA与萤火虫优化算法（GSO）的融合算法
3.3.4AFSA与细胞学习自动机的融合算法
3.4AFSA的应用实例
3.4.1AFSA在无线网络最优簇头（CHs）位置选择中的应用
3.4.2AFSA在社会网络社区检测问题中的应用
3.5本章小结
参考文献
第4章 布谷鸟搜索算法
4.1布谷鸟搜索（CS）
4.1.1布谷鸟的繁殖行为
4.1.2人工布谷鸟搜索
4.2布谷鸟搜索算法的衍生算法
4.2.1离散布谷鸟搜索算法
4.2.2二进制编码布谷鸟搜索算法
4.2.3混沌布谷鸟搜索算法
4.2.4并行布谷鸟搜索算法
4.2.5约束问题布谷鸟搜索算法
4.2.6参数自适应的布谷鸟搜索算法
4.2.7高斯布谷鸟搜索算法
4.3布谷鸟搜索算法与其他算法的融合
4.3.1布谷鸟搜索算法与差分进化算法的融合
4.3.2布谷鸟搜索算法与分散搜索算法的融合
4.3.3布谷鸟搜索算法与蚁群优化算法的融合
4.3.4布谷鸟搜索算法与鲍威尔搜索算法的融合
4.3.5布谷鸟搜索算法与单纯形法的融合
4.3.6布谷鸟搜索算法与蝙蝠算法的融合（BA—CS）
4.3.7布谷鸟搜索算法与粒子群优化算法的融合
4.3.8布谷鸟搜索算法与Levenberg—Marquardt算法的融合（CSLM）
4.3.9布谷鸟搜索算法与量子计算的融合
4.4布谷鸟搜索算法的应用实例
4.4.1布谷鸟搜索在特征选择中的应用
4.4.2解决凸经济调度问题的改进布谷鸟搜索算法
4.5本章小结
参考文献
第5章 萤火虫算法
5.1萤火虫算法（FFA）
5.1.1萤火虫行为介绍
5.1.2人工萤火虫算法
5.2萤火虫算法的衍生算法
5.2.1离散萤火虫算法
5.2.2二进制编码萤火虫算法
5.2.3混沌萤火虫算法
5.2.4并行萤火虫算法
5.2.5约束问题萤火虫算法
5.2.6Lèvy飞行萤火虫算法（LFA）
5.2.7智能萤火虫算法（IFA）
5.2.8高斯萤火虫算法（GOFF）
5.2.9网络结构萤火虫算法（NS—FA）
5.2.10参数自适应萤火虫算法
5.3萤火虫算法与其他算法的融合算法
5.3.1萤火虫算法与差分进化算法的融合（HEFA）
5.3.2萤火虫算法与和声搜索算法的融合（HS／FA）
5.3.3萤火虫算法与模式搜索算法的融合（hFAPS）
5.3.4萤火虫算法与自动学习机算法的融合（LA—FF）
5.3.5萤火虫算法与蚁群优化算法的融合
5.4萤火虫算法的应用实例
5.5本章小结
参考文献
第6章 花卉授粉算法
6.1花卉授粉算法（FPA）
6.1.1花卉授粉特征
6.1.2人工花卉授粉算法
6.2花卉授粉算法的衍生算法
6.2.1二进制花卉授粉算法
6.2.2混沌花卉授粉算法
6.2.3带有约束条件的花卉授粉算法
6.2.4多目标花卉授粉算法
6.2.5改进花卉授粉算法
6.3花卉授粉算法与其他算法的融合算法
6.3.1花卉授粉与PSO的融合算法
6.3.2花卉授粉与和声搜索的融合算法
6.4花卉授粉算法的应用实例
6.5花卉授粉算法在特征选择中的应用
6.6本章小结
参考文献
第7章 人工蜂群优化
7.1人工蜂群（ABC）
7.1.1算法灵感启发来源
7.1.2人工蜂群算法
7.2ABC的衍生算法
7.2.1二进制编码ABC
7.2.2混沌搜索ABC（CABC）
7.2.3并行ABC
7.2.4约束问题ABC
7.2.5列维飞行（Lèvyflight）ABC
7.2.6精英选择ABC
7.2.7交互式ABC
7.2.8基于Pareto的ABC
7.2.9模糊混沌ABC
7.2.10多目标优化ABC
7.2.11JA—ABC
7.3ABC与其他算法的融合算法
7.3.1ABC与最小二乘法融合算法
7.3.2ABC与差分进化的融合算法
7.3.3ABC与量子进化的融合算法
7.3.4ABC与PS0的融合算法
7.3.5ABC与Levenberg—Marquardt的融合算法
7.3.6ABC与和声搜索的融合算法
7.3.7ABC与蚁群优化的融合算法
7.4人工蜂群算法的应用实例
7.4.1ABC算法应用于视网膜血管图像分割
7.4.2模因ABC整数规划
7.5本章小结
参考文献
第8章 基于狼群的搜索算法
8.1独狼搜索算法（WSA）
8.1.1自然界中的狼
8.1.2人工独狼搜索算法
8.1.3独狼搜索算法的衍生算法
8.1.4狼群算法（WPA）
8.1.5灰狼优化（GWO）
8.2独狼搜索优化算法的应用实例
8.3本章小结
参考文献
第9章 总览
9.1准则（1）：基于集群指引的分类
9.2准则（2）：基于所采用概率分布的分类
9.3准则（3）：根据行为数量的分类
9.4准则（4）：基于个体位置分布的分类
9.5准则（5）：控制参数的个数
9.6准则（6）：基于在每一步迭代是否生成全新个体的分类
9.7准则（7）：基于优化过程中使用速度概念进行搜索的分类
9.8准则（8）：基于使用的全局寻优／局部搜索方法的分类
9.9本章小结
参考文献