本书介绍了比较流行的自然计算方法及新提出的自然计算方法和一些前沿内容。全书共八章，第1章绪论，第2章细菌觅食优化算法，第3章蜂群优化算法，第4章人工鱼群算法，第5章蚁群算法，第6章生物地理优化算法，第7章磁性细菌优化算法，第8章Memetic算法。
样章试读
目录
- 目录
《信息科学技术学术著作丛书》序
前言
第1章 绪论1
1.1引言1
1.2自然计算类型3
1.3计算主义6
1.4群体智能7
1.5自然计算发展趋势与展望9
参考文献11
第2章 细菌觅食优化算法13
2.1起源和进展13
2.2原理与模型13
2.2.1基本思想13
2.2.2数学模型14
2.2.3算法流程15
2.3算法优化效果验证与分析17
2.3.1细菌觅食优化算法效果分析17
2.3.2模糊C均值聚类算法24
2.3.3基于细菌觅食算法的模糊C均值聚类算法26
2.3.4BF-FCM聚类算法效果分析30
2.4应用实例32
2.4.1BF-FCM算法在图像分割的应用32
2.4.2图像分割的性能评价指标34
2.4.3BF-FCM算法图像分割效果分析35
参考文献42
第3章 蜂群优化算法43
3.1起源和进展43
3.2原理与模型44
3.2.1基于繁殖原理的蜂群算法44
3.2.2蜜蜂采蜜原理的蜂群算法46
3.2.3蜂群算法特点48
3.3基于蜂群算法的函数优化49
3.3.1函数优化的问题描述49
3.3.2实验设计与结果分析49
3.4应用实例54
3.4.1蜂群算法用于无人机航迹规划54
3.4.2基于蜂群飞行机制的多无人机协同飞行65
3.5本章小结77
参考文献78
第4章 人工鱼群算法80
4.1引言80
4.2算法的改进80
4.2.1对算法参数的改进80
4.2.2基于鱼群行为的改进80
4.2.3混合优化算法81
4.3人工鱼群算法的基本原理81
4.3.1基本流程81
4.3.2人工鱼群算法描述81
4.3.3人工鱼群算法的优缺点84
4.4各参数对收敛性能影响的分析84
4.4.1视野范围85
4.4.2步长86
4.4.3拥挤度因子87
4.4.4人工鱼个体数目89
4.5改进的人工鱼群算法90
4.5.1基于步长和视野范围的改进90
4.5.2基于差分进化算子的改进90
4.5.3基于步长和差分进化算子的改进91
4.5.4仿真实验93
4.5.5算法性能评价96
4.6应用实例111
4.6.1人工鱼的行为规则112
4.6.2人工鱼行为规则的具体实现114
4.6.3基于鱼群集群行为的多UUV巡游策略的实现115
4.6.4基于鱼群觅食行为的多UUV搜寻目标策略116
4.6.5基于鱼群避障行为的多UUV避障策略118
4.6.6多水下无人潜航器巡游三维仿真及其可视化121
4.7本章小结123
参考文献123
第5章 蚁群算法125
5.1引言125
5.2蚁群路径规划原理125
5.2.1蚁群算法基本组织结构125
5.2.2基本蚁群算法的实现步骤126
5.2.3基本流程127
5.3数学模型128
5.4应用实例129
5.4.1基本蚁群算法参数对路径规划的影响129
5.4.2蚁群算法的参数取值方法135
5.4.3改进的蚁群算法135
5.5本章小结143
参考文献143
第6章 生物地理优化算法145
6.1引言145
6.2生物地理学与优化145
6.2.1起源145
6.2.2生物地理算法的迁移模型147
6.2.3基本的BBO的迁移操作155
6.2.4变异操作158
6.2.5优化问题测试159
6.3算法改进163
6.3.1BBOPSO算法介绍163
6.3.2差分生物地理优化算法169
6.4基于生物地理学的机器人路径规划179
6.4.1生物地理学路径规划算法179
6.4.2算法参数对路径规划的影响179
6.5改进的生物地理学优化算法182
6.5.1精英策略182
6.5.2降维机制184
6.5.3基于惯性算子的迁移操作185
6.6实验结果比较187
6.7算法评价191
6.7.1稳定性分析192
6.7.2误差率分析193
6.7.3规划时间分析194
6.7.4鲁棒性分析195
6.8多目标算法生物地理优化算法196
6.9理论分析200
6.9.1收敛性分析200
6.9.2仿真实验与结果分析203
6.10约束多目标机器人路径规划214
6.10.1问题描述215
6.10.2机器人路径规划的实现216
6.10.3仿真结果分析218
参考文献221
第7章 磁性细菌优化算法223
7.1引言223
7.2趋磁性细菌基本的生物学概念223
7.2.1生物学原理223
7.2.2趋磁性细菌的生物学模型225
7.2.3趋磁性细菌优化算法226
7.2.4仿真结果230
7.3一种基于磁性细菌优化的功率谱算法249
7.3.1趋磁性细菌的生物学原理249
7.3.2PSMBA的程序251
7.3.3仿真结果253
参考文献271
第8章 Memetic算法273
8.1引言273
8.2起源和进展273
8.2.1算法的起源273
8.2.2算法研究进展274
8.3基本原理275
8.3.1基本思想275
8.3.2算法流程276
8.3.3Memetic算法的可选方案278
8.3.4Memetic算法的主要特点280
8.4应用实例280
8.4.1数字逻辑电路演化设计传统方法281
8.4.2用于数字逻辑电路演化设计的Memetic算法282
8.4.3实验验证与分析287
8.5较大规模电路演化实现295
8.5.1较大规模数字电路演化研究现状296
8.5.2基于电路映射分解方法的数字电路演化设计算法296
8.5.3实验验证与分析301
8.6本章小结307
参考文献307
附录309
京公网安备 11010102004214号