集群智能及其应用

　　《集群智能及其应用》是作者在人工智能领域集群智能研究方向十多年研究成果的系统总结，在总结目前国内外该研究方向发展现状的基础上，介绍集群智能算法的改进、应用研究及新研究方向。改进方面包括：基于较优方向引导的菌群算法和基于生物生命周期的群搜索算法，以及基于单目标和多目标等 Benchmark优化问题的测试研究。应用研究方面包括：子群协作群搜索算法及机械结构优化设计问题的应用研究、两阶段遗传算法及车辆路径问题的应用研究，以及自主进化算法及频谱决策和频谱分配问题的应用研究。最后着重介绍集群智能的新研究方向——集群动力学优化算法。

暂缺《集群智能及其应用》作者简介

目录
前言
第一部分 集群智能优化算法概述
第1章 优化算法研究概述 3
1.1 最优化问题 3
1.2 最优化方法 3
1.2.1 确定性算法 5
1.2.2 随机性算法 5
1.2.3 集群智能优化算法 6
1.3 各类优化方法特点 7
1.3.1 传统优化方法特点 7
1.3.2 集群智能优化算法特点及优点 8
1.4 集群智能优化算法的研究、应用现状及展望 10
1.4.1 算法改进研究 10
1.4.2 算法应用现状 12
1.4.3 算法研究展望 13
参考文献 14
第2章 集群智能优化算法 16
2.1 进化计算 16
2.1.1 遗传算法 16
2.1.2 差分进化算法 18
2.1.3 文化算法 20
2.1.4 遗传编程 22
2.1.5 进化策略 22
2.2 集群智能 23
2.2.1 粒子群优化算法 24
2.2.2 蚁群优化算法 26
2.2.3 菌群优化算法 27
2.2.4 人工蜂群算法 30
2.2.5 萤火虫算法 33
2.2.6 人工鱼群算法 35
2.3 其他算法 36
2.3.1 神经网络 36
2.3.2 人工免疫系统 37
2.3.3 DNA计算 38
2.3.4 膜计算 39
2.3.5 自组织迁移算法 39
2.4 集群智能算法集合 40
参考文献 43
第二部分 算法改进研究
第3章 基于最优方向引导的菌群算法 47
3.1 细菌觅食优化算法 47
3.1.1 算法研究现状 47
3.1.2 算法应用现状 48
3.2 基于方向引导的菌群算法 49
3.2.1 群体觅食理论 49
3.2.2 细菌的群感应机制 50
3.2.3 基于方向引导的群感应机制 50
3.2.4 基于最优方向引导算法实现步骤 52
3.3 实验研究及讨论 53
3.3.1 单目标无约束测试函数 53
3.3.2 实验研究及讨论 58
参考文献 61
第4章 生命周期群搜索算法 63
4.1 算法生物学基础 63
4.1.1 生命周期理论 63
4.1.2 混沌理论 67
4.2 基于生物生命周期群搜索算法 68
4.2.1 算法描述 68
4.2.2 算法实现步骤 71
4.2.3 个体运动轨迹分析 71
4.3 约束优化问题 75
4.3.1 定义及说明 75
4.3.2 约束优化问题难点 76
4.3.3 单目标约束标准测试函数 76
4.4 约束优化问题实验研究及讨论 80
4.4.1 参数设置 80
4.4.2 算法离线性能分析 81
4.4.3 算法在线性能分析 84
4.5 多目标优化问题 85
4.5.1 多目标优化问题描述 85
4.5.2 多目标无约束测试函数 86
4.5.3 评价方法 87
4.6 求解多目标问题的生命周期群搜索算法 88
4.6.1 多目标优化问题的主要求解算法 88
4.6.2 基于非支配排序的生命周期群搜索算法 89
4.6.3 实验研究及讨论 91
参考文献 93
第三部分 算法应用研究
第5章 机械结构优化设计研究 97
5.1 机械约束优化 97
5.1.1 Himmelblau’s函数 97
5.1.2 压力容器 97
5.1.3 压缩弹簧 98
5.1.4 焊接悬臂梁 99
5.2 标准群搜索算法 100
5.2.1 信息分享 100
5.2.2 视觉扫描 100
5.2.3 算法描述及实现步骤 101
5.3 子群协作群搜索算法 102
5.3.1 协作进化论 102
5.3.2 约束优化处理方法 103
5.3.3 子群协作群搜索算法原理 104
5.4 实验研究及讨论 106
参考文献 110
第6章 车辆路径问题应用研究 112
6.1 车辆路径问题 112
6.1.1 车辆路径问题介绍 112
6.1.2 问题复杂性 113
6.1.3 带容量约束的车辆路径问题数学模型 114
6.1.4 带时间窗车辆路径问题描述 115
6.2 求解CVRP 的两阶段遗传算法 115
6.2.1 算法描述 115
6.2.2 算法实现步骤 119
6.2.3 算法时间复杂度分析 119
6.2.4 实验研究及讨论：小规模测试实例 120
6.2.5 实验研究及讨论：中等规模及较大规模测试实例 123
6.3 求解VRPTW 的生命周期群搜索算法 125
6.3.1 算法实现步骤 125
6.3.2 实验研究及讨论 126
参考文献 129
第7章 认知无线电应用研究 130
7.1 认知无线电 130
7.2 认知引擎 132
7.2.1 认知引擎介绍 132
7.2.2 认知引擎AICE 134
7.3 集群智能在认知无线电中的应用 136
7.3.1 频谱感知 136
7.3.2 频谱分配 137
7.3.3 频谱决策 138
7.4 优化问题1：频谱分配 139
7.4.1 频谱分配模型 139
7.4.2 图论着色模型 139
7.4.3 频谱分配最优效益函数 141
7.5 优化问题2：频谱决策 141
7.5.1 最小化误码率函数 142
7.5.2 最小化能耗函数 143
7.5.3 最大化数据速率函数 143
7.5.4 最大化频谱利用率函数 144
7.5.5 最小化频谱干扰函数 144
7.5.6 多目标处理方法 145
7.6 自主进化计算 146
7.7 实验研究及讨论 146
7.7.1 频谱决策问题 146
7.7.2 频谱分配问题 150
参考文献 152
第四部分 集群动力学优化算法
第8章 集群动力学模型 157
8.1 系统动力学 157
8.1.1 系统动力学原理 157
8.1.2 系统动力学模型 157
8.1.3 系统动力学建模步骤 158
8.2 种群动力学模型 159
8.2.1 单种群动力学模型 159
8.2.2 多种群动力学模型 160
8.3 动物集群行为动力学模型 162
8.3.1 Boid模型 162
8.3.2 Vicsek模型 164
8.4 复杂网络动力学 165
8.4.1 随机网络 165
8.4.2 小世界网络 166
8.4.3 无标度网络 166
8.4.4 布尔网络 167
8.5 “引力/斥力”模型 168
8.5.1 A/R方法 169
8.5.2 拟态物理学方法 170
8.5.3 外部作用力 176
8.6 集群行为仿真模型及平台 177
8.6.1 仿真平台简介 178
8.6.2 Swarm平台 179
8.6.3 元胞自动机 182
8.7 数学方程建模方法 185
8.7.1 拉格朗日法 185
8.7.2 欧拉法 185
参考文献 188
第9章 复杂生物系统建模 190
9.1 复杂-生物-控制 190
9.1.1 复杂适应系统 190
9.1.2 复杂生物系统 191
9.1.3 复杂系统与控制论 192
9.1.4 维纳控制论 193
9.1.5 智能感知单元 194
9.2 感知模型建模方法 195
9.3 感知范围 197
9.3.1 全局感知范围 197
9.3.2 有限感知范围 197
9.3.3 正太分布有限感知模型 199
9.4 集群动力学优化算法设计方法 200
参考文献 202
第10章 集群动力学优化算法举例 203
10.1 种群规模自适应优化算法 203
10.1.1 种群自适应增加/删除个体数目方法 203
10.1.2 外部环境影响 205
10.1.3 种群规模自适应粒子群优化算法描述 206
10.1.4 实验研究及讨论 206
10.2 基于生物觅食动力学的群智能优化算法 209
10.2.1 生物觅食动力学模型 209
10.2.2 生物觅食动力学优化算法原理 210
10.2.3 实验研究及讨论 211
参考文献 216
附录 217
附录1 遗传算法源码 217
附录2 差分进化算法源码 219
附录3 文化算法源码 221
附录4 粒子群优化算法源码 224
附录5 蚁群优化算法源码 225
附录6 菌群算法源码 228