群智能优化算法
丛 书 名：
人工智能前沿理论与技术应用丛书
作 译 者：樊新海 等
出 版 日 期：2026-01-01
书 代 号：TP509950
Ｉ Ｓ Ｂ Ｎ：9787121509957
图书简介：
群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。 本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。 本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。
-
配 套 资 源
本书资源
本书暂无资源 -
图 书 内 容
内容简介
群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。 本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。 本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。图书详情
ISBN：9787121509957开 本：16(185*260)页 数：424字 数：679本书目录
目 录 第1章 绪论 1 1.1 最优化问题概述 2 1.1.1 单变量最优化问题 2 1.1.2 多变量最优化问题 4 1.1.3 复杂问题的最优化问题 6 1.2 群智能优化算法概述 8 1.2.1 群智能优化算法的基本思想 8 1.2.2 群智能优化算法的主要分类 9 1.2.3 群智能优化算法的优势及特点 10 1.3 群智能优化算法的仿生计算机制 11 1.3.1 算法初始化 12 1.3.2 个体位置更新 13 1.3.3 竞争选择机制 15 1.4 学习建议 16 思考题 17 第2章 遗传算法 18 2.1 遗传算法的原理及特点 18 2.1.1 遗传算法的生物学基础 18 2.1.2 遗传算法的基本原理 19 2.1.3 遗传算法的特点分析 25 2.2 标准遗传算法及其改进方向 26 2.2.1 标准遗传算法 26 2.2.2 标准遗传算法的改进方向 27 2.3 遗传算法的运算流程 27 2.4 遗传算法的主要参数 29 2.5 遗传算法的应用实例 29 思考题 47 第3章 差分进化算法 48 3.1 差分进化算法的原理及特点 48 3.1.1 差分进化算法的基本原理 48 3.1.2 差分进化算法的特点分析 49 3.2 差分进化算法的不同形式 50 3.2.1 差分进化算法的基本形式 50 3.2.2 差分进化算法的其他形式 53 3.2.3 差分进化算法的改进 54 3.3 差分进化算法的运算流程 55 3.4 差分进化算法的主要参数 56 3.5 差分进化算法的应用实例 57 思考题 71 第4章 人工免疫算法 72 4.1 生物免疫系统和人工免疫系统 73 4.1.1 生物免疫系统 73 4.1.2 人工免疫系统 75 4.2 人工免疫算法的原理及特点 76 4.2.1 人工免疫算法的基本原理 76 4.2.2 人工免疫算法的特点分析 79 4.3 人工免疫算法的运算流程 80 4.4 人工免疫算法的主要参数 81 4.5 人工免疫算法的应用实例 82 思考题 97 第5章 粒子群优化算法 98 5.1 粒子群优化算法的原理及特点 99 5.1.1 粒子群优化算法的基本原理 99 5.1.2 粒子群优化算法的特点分析 99 5.2 粒子群优化算法的常见形式 100 5.2.1 基本粒子群优化算法 100 5.2.2 标准粒子群优化算法 101 5.2.3 离散粒子群优化算法 103 5.3 粒子群优化算法的运算流程 104 5.4 粒子群优化算法的主要参数 105 5.5 粒子群优化算法的应用实例 106 思考题 123 第6章 蚁群优化算法 124 6.1 蚁群优化算法的原理及特点 124 6.1.1 蚂蚁觅食过程 124 6.1.2 人工蚂蚁的特性 125 6.1.3 人工蚁群的特性 126 6.1.4 蚁群优化算法的特点分析 127 6.2 蚁群优化算法的常见形式 127 6.2.1 基本蚁群优化算法 127 6.2.2 精英蚂蚁系统算法 129 6.2.3 最大最小蚂蚁算法 129 6.2.4 基于排序的蚁群系统算法 130 6.2.5 自适应蚁群优化算法 130 6.3 蚁群优化算法的运算流程 131 6.4 蚁群优化算法的主要参数 132 6.5 蚁群优化算法的应用实例 133 思考题 151 第7章 人工蜂群算法 152 7.1 人工蜂群算法的原理及特点 152 7.1.1 蜂群采蜜过程 152 7.1.2 人工蜂群算法的基本原理 154 7.1.3 人工蜂群算法的特点分析 155 7.2 人工蜂群算法的运算流程 156 7.3 人工蜂群算法的主要参数 158 7.4 人工蜂群算法的应用实例 159 思考题 173 第8章 细菌觅食优化算法 174 8.1 细菌觅食优化算法的原理及特点 174 8.1.1 细菌觅食行为 174 8.1.2 细菌觅食优化算法的基本原理 176 8.1.3 细菌觅食优化算法的特点分析 179 8.2 细菌觅食优化算法的运算流程 180 8.3 细菌觅食优化算法的主要参数 182 8.4 细菌觅食优化算法的应用实例 184 思考题 199 第9章 人工鱼群算法 200 9.1 人工鱼群算法的原理及特点 200 9.1.1 人工鱼群算法的基本原理 200 9.1.2 人工鱼群算法的特点分析 202 9.2 人工鱼群算法的运算流程 203 9.3 人工鱼群算法的主要参数 205 9.4 人工鱼群算法的应用实例 206 思考题 226 第10章 混合蛙跳算法 227 10.1 混合蛙跳算法的原理及特点 227 10.1.1 混合蛙跳算法的基本原理 227 10.1.2 混合蛙跳算法的特点分析 229 10.2 混合蛙跳算法的运算流程 229 10.3 混合蛙跳算法的主要参数 231 10.4 混合蛙跳算法的应用实例 232 思考题 248 第11章 萤火虫算法 249 11.1 萤火虫算法的原理及特点 249 11.1.1 萤火虫算法的理想原则 249 11.1.2 萤火虫算法的基本原理 250 11.1.3 萤火虫算法的特点分析 252 11.2 萤火虫算法的运算流程 253 11.3 萤火虫算法的主要参数 254 11.4 萤火虫算法的应用实例 255 思考题 269 第12章 布谷鸟搜索算法 270 12.1 布谷鸟搜索算法的原理及特点 270 12.1.1 借巢产卵的繁殖行为 270 12.1.2 Lévy飞行 271 12.1.3 布谷鸟搜索算法的基本原理 273 12.1.4 布谷鸟搜索算法的特点分析 274 12.2 布谷鸟搜索算法的运算流程 275 12.3 布谷鸟搜索算法的主要参数 276 12.4 布谷鸟搜索算法的改进方向 277 12.5 布谷鸟搜索算法的应用实例 279 思考题 293 第13章 狼群算法 294 13.1 狼群算法的原理及特点 294 13.1.1 狼群算法的生物学背景 294 13.1.2 狼群算法的基本原理 295 13.1.3 狼群算法的特点分析 297 13.2 狼群算法的运算流程 298 13.3 狼群算法的主要参数 299 13.4 狼群算法的应用实例 301 思考题 319 第14章 秃鹰搜索优化算法 320 14.1 秃鹰搜索优化算法的原理及特点 320 14.1.1 秃鹰搜索优化算法的基本原理 321 14.1.2 秃鹰搜索优化算法的特点分析 323 14.2 秃鹰搜索优化算法的运算流程 324 14.3 秃鹰搜索优化算法的应用实例 326 思考题 343 第15章 蝠鲼觅食优化算法 344 15.1 蝠鲼觅食优化算法的原理及特点 344 15.1.1 蝠鲼觅食优化算法的基本原理 345 15.1.2 蝠鲼觅食优化算法的特点分析 348 15.2 蝠鲼觅食优化算法的运算流程 349 15.3 蝠鲼觅食优化算法的应用实例 350 思考题 367 第16章 野狗优化算法 368 16.1 野狗优化算法的原理及特点 368 16.1.1 野狗优化算法的基本原理 369 16.1.2 野狗优化算法的特点分析 371 16.2 野狗优化算法的运算流程 372 16.3 野狗优化算法的应用实例 374 思考题 390 第17章 沙丘猫群优化算法 391 17.1 沙丘猫群优化算法的原理及特点 391 17.1.1 沙丘猫群优化算法的基本原理 392 17.1.2 沙丘猫群优化算法的特点分析 394 17.2 沙丘猫群优化算法的运算流程 394 17.3 沙丘猫群优化算法的应用实例 396 思考题 408 参考文献 409展开前 言
前 言 在自然界中，生物受制于物竞天择、适者生存、强者为王、优胜劣汰的生存法则。很多昆虫类、鸟类、鱼类、食肉类等动物成群聚居，如蚁群、蜂群、鸟群、鱼群、狼群等经常要成群结队地觅食、筑巢、御敌、迁徙等。虽然这些动物种群内部也存在激烈的竞争，但彼此间分工协作，内部组织秩序井然。这种由许多无智能或低智能个体组成的群体，却表现出了强大的“群体智慧”。正所谓：个体微不足道，群体充满智慧，竞争促进发展，协作实现共赢。 人们通过研究自然现象，从生物的进化过程和群体行为中得到启发，提出了许多种基于生物学原理的群智能优化算法。这些算法通过模拟自然界生物进化过程中表现出来的“优胜劣汰、适者生存”的宏观进化规律和染色体“复制、交叉、变异”的微观内在机理，或者模拟自然界不同生物群体行为中表现出来的社会等级、内部分工和相互协作机制来求解复杂问题的优化问题，并取得了非常好的应用效果。这种基于概率的有指导随机搜索算法，在进行问题求解时不需要建立关于问题本身的精确数学模型，一般也不需要先验知识的启发，利用编码将问题空间对应到解空间，通过随机或利用先验知识将部署在解空间的多个个体组成种群，每个个体对应一个可行解，利用求解问题的目标函数构造个体评价的适应度函数，通过群体内部信息共享和个体位置更新实现有指导的随机搜索，利用竞争选择，用更好的可行解替代较差的可行解，经过多次迭代，最终种群个体集中在最优解附近，获得求解问题的满意解。相比于传统优化方法，群智能优化算法具有许多优良特性，如分布式、并行性、自学习、自适应、自组织、稳健性和智能性等，收敛速度快、鲁棒性好、全局收敛、适应范围广，在人工智能、机器人、系统控制、目标识别、数据分析、经济发展、国防建设等各个方面均得到了广泛应用，并产生了深远影响。 本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例。特别是对每个应用实例都给出了详细的MATLAB实现参考程序，便于读者对优化算法理论部分的理解，也便于读者在现有算法基础上开展改进研究，真正达到学以致用的目的。 本书共17章，其编写分工如下：第1～4章和第15～17章由樊新海编写，第5～8章由冯辅周编写，第9～10章由张传清编写，第11章由乔新勇编写，第12章由张丽霞编写，第13章由朱俊臻编写，第14章由贾淳编写。全书由樊新海统稿和进行程序调试。本书内容安排注重理论和实践相结合，先讲述理论，后介绍算法实现，对每种算法在理论讲述的基础上都选取了至少3个应用实例。有些实例是相同的，便于读者对不同算法的求解结果进行对比分析。在算法原理讲述上突出重点，尽量做到通俗易懂，淡化了相对深奥的仿生机理和理论性较强的算法收敛性分析等内容。在应用实例讲解上突出具体准确，实现步骤详细，程序注释清楚，为帮助读者掌握群智能算法的基本原理和实现方法提供良好的理论基础和技术支撑。 本书可作为高校人工智能类、大数据类、智能科学与技术类、计算机科学与技术类、软件工程类、自动化类、电子信息类、仪器类、智能制造类等学科专业高年级本科生和研究生的教材或教学参考书，也可作为计算机、电子、通信、机器人、生产调度、任务分配、自动控制、机械设计、军事智能等领域的工程技术人员或军事指挥人员的学习参考资料。 本书在编写过程中，参阅了许多相关教材、专著、学位论文和期刊论文等文献资料，在此向书后收录的参考文献作者表示诚挚的感谢！由于编著者学识和经验有限，书中疏漏和不妥之处在所难免，恳请同行老师、相关研究领域专家、工程技术人员和广大读者批评指正。 编著者 2025年2月展开作者简介
樊新海，陆军装甲兵学院副教授，主要从事装备测试、信号处理、故障诊断和群智能优化方面的教学科研工作，学院机械工程学科专业领域学术骨干，硕士研究生导师。 -
样 章 试 读本书暂无样章试读！
-
图 书 评 价 我要评论
