集群智能：原理、發(fā)展和應(yīng)用（精裝版）

目　錄
第1章　緒論\t001
1．1 靈感啟發(fā)來源\t002
1．1．1 集群智能算法\t003
1．1．2 非集群智能的生物啟發(fā)式算法\t003
1．1．3 基于物理和化學(xué)的算法\t003
1．1．4 其他算法\t003
1．2 隨機變量\t004
1．2．1 均勻分布\t004
1．2．2 正態(tài)分布\t004
1．2．3 柯西分布\t004
1．2．4 泊松分布\t005
1．2．5 Levy分布\t005
1．3 生成偽隨機數(shù)\t006
1．3．1 累積方法\t007
1．3．2 接受/拒絕法\t007
1．3．3 組合方法\t008
1．4 隨機游走\t008
1．5 混沌\t009
1．6 本章小結(jié)\t012
參考文獻\t012
第2章　蝙蝠算法（BA）\t015
2．1 蝙蝠算法\t015
2．1．1 蝙蝠行為\t015
2．1．2 蝙蝠算法的具體內(nèi)容\t015
2．2 蝙蝠算法衍生算法\t018
2．2．1 離散蝙蝠算法\t018
2．2．2 二進制蝙蝠算法\t018
2．2．3 混沌蝙蝠算法（CBA）\t019
2．2．4 并行蝙蝠算法\t019
2．2．5 約束問題蝙蝠算法\t020
2．2．6 Lèvy分布蝙蝠算法\t020
2．2．7 帶有Lèvy分布的混沌蝙蝠算法\t021
2．2．8 自適應(yīng)蝙蝠算法\t022
2．2．9 參數(shù)自適應(yīng)蝙蝠算法\t024
2．3 蝙蝠算法與其他算法的融合\t025
2．3．1 蝙蝠算法與差分進化算法的融合\t026
2．3．2 蝙蝠算法與粒子群優(yōu)化算法的融合\t026
2．3．3 蝙蝠算法與布谷鳥搜索的融合\t027
2．3．4 蝙蝠算法與模擬退火算法的融合\t028
2．3．5 蝙蝠算法與和聲搜索的融合\t029
2．3．6 蝙蝠算法與人工蜂群算法的融合\t029
2．4 蝙蝠算法的應(yīng)用實例\t030
2．4．1 蝙蝠算法在病態(tài)地磁反轉(zhuǎn)問題中的應(yīng)用\t034
2．4．2 蝙蝠算法在社會網(wǎng)絡(luò)社區(qū)檢測問題中的應(yīng)用\t039
2．5 本章小結(jié)\t040
參考文獻\t041
第3章　人工魚群\t045
3．1 魚群優(yōu)化\t045
3．1．1 生物原理\t045
3．1．2 人工魚群算法\t045
3．2 AFSA 的衍生算法\t047
3．2．1 簡化的二進制AFSA算法\t047
3．2．2 快速AFSA算法（FAFSA）\t048
3．2．3 改進AFSA算法\t048
3．2．4 新AFSA算法（NAFSA）\t050
3．2．5 變異AFSA算法\t052
3．2．6 模糊自適應(yīng)AFSA算法\t052
3．2．7 參數(shù)自適應(yīng)的AFSA算法\t053
3．2．8 改進捕食策略的AFSA算法\t054
3．2．9 量子AFSA算法\t054
3．2．10 混沌AFSA算法\t054
3．2．11 并行AFSA算法（PAFSA）\t054
3．3 AFSA與其他算法的融合\t055
3．3．1 AFSA與文化算法（CA）的融合算法（CAFAC）\t055
3．3．2 AFSA與 PSO算法的融合算法\t056
3．3．3 AFSA與螢火蟲優(yōu)化算法（GSO）的融合算法\t056
3．3．4 AFSA與細胞學(xué)習(xí)自動機的融合算法\t056
3．4 AFSA的應(yīng)用實例\t057
3．4．1 AFSA在無線網(wǎng)絡(luò)最優(yōu)簇頭（CHs）位置選擇中的應(yīng)用\t061
3．4．2 AFSA在社會網(wǎng)絡(luò)社區(qū)檢測問題中的應(yīng)用\t062
3．5 本章小結(jié)\t063
參考文獻\t063
第4章　布谷鳥搜索算法\t067
4．1 布谷鳥搜索（CS）\t067
4．1．1 布谷鳥的繁殖行為\t067
4．1．2 人工布谷鳥搜索\t067
4．2 布谷鳥搜索算法的衍生算法\t069
4．2．1 離散布谷鳥搜索算法\t069
4．2．2 二進制編碼布谷鳥搜索算法\t070
4．2．3 混沌布谷鳥搜索算法\t070
4．2．4 并行布谷鳥搜索算法\t071
4．2．5 約束問題布谷鳥搜索算法\t072
4．2．6 參數(shù)自適應(yīng)的布谷鳥搜索算法\t072
4．2．7 高斯布谷鳥搜索算法\t073
4．3 布谷鳥搜索算法與其他算法的融合\t073
4．3．1 布谷鳥搜索算法與差分進化算法的融合\t074
4．3．2 布谷鳥搜索算法與分散搜索算法的融合\t074
4．3．3 布谷鳥搜索算法與蟻群優(yōu)化算法的融合\t074
4．3．4 布谷鳥搜索算法與鮑威爾搜索算法的融合\t075
4．3．5 布谷鳥搜索算法與單純形法的融合\t075
4．3．6 布谷鳥搜索算法與蝙蝠算法的融合（BA-CS）\t075
4．3．7 布谷鳥搜索算法與粒子群優(yōu)化算法的融合\t076
4．3．8 布谷鳥搜索算法與Levenberg-Marquardt算法的融合（CSLM）\t076
4．3．9 布谷鳥搜索算法與量子計算的融合\t077
4．4 布谷鳥搜索算法的應(yīng)用實例\t077
4．4．1 布谷鳥搜索在特征選擇中的應(yīng)用\t081
4．4．2 解決凸經(jīng)濟調(diào)度問題的改進布谷鳥搜索算法\t085
4．5 本章小結(jié)\t087
參考文獻\t088
第5章　螢火蟲算法\t091
5．1 螢火蟲算法（FFA）\t091
5．1．1 螢火蟲行為介紹\t091
5．1．2 人工螢火蟲算法\t091
5．2 螢火蟲算法的衍生算法\t093
5．2．1 離散螢火蟲算法\t093
5．2．2 二進制編碼螢火蟲算法\t095
5．2．3 混沌螢火蟲算法\t095
5．2．4 并行螢火蟲算法\t096
5．2．5 約束問題螢火蟲算法\t096
5．2．6 Lèvy飛行螢火蟲算法 （LFA）\t097
5．2．7 智能螢火蟲算法（IFA）\t098
5．2．8 高斯螢火蟲算法（GOFF）\t098
5．2．9 網(wǎng)絡(luò)結(jié)構(gòu)螢火蟲算法（NS-FA）\t099
5．2．10 參數(shù)自適應(yīng)螢火蟲算法\t100
5．3 螢火蟲算法與其他算法的融合算法\t101
5．3．1 螢火蟲算法與差分進化算法的融合（HEFA）\t101
5．3．2 螢火蟲算法與和聲搜索算法的融合（HS/FA）\t103
5．3．3 螢火蟲算法與模式搜索算法的融合（hFAPS）\t103
5．3．4 螢火蟲算法與自動學(xué)習(xí)機算法的融合（LA-FF）\t103
5．3．5 螢火蟲算法與蟻群優(yōu)化算法的融合\t104
5．4 螢火蟲算法的應(yīng)用實例\t104
5．5 本章小結(jié)\t113
參考文獻\t113
第6章　花卉授粉算法\t119
6．1 花卉授粉算法（FPA）\t119
6．1．1 花卉授粉特征\t119
6．1．2 人工花卉授粉算法\t119
6．2 花卉授粉算法的衍生算法\t121
6．2．1 二進制花卉授粉算法\t121
6．2．2 混沌花卉授粉算法\t122
6．2．3 帶有約束條件的花卉授粉算法\t122
6．2．4 多目標(biāo)花卉授粉算法\t122
6．2．5 改進花卉授粉算法\t123
6．3 花卉授粉算法與其他算法的融合算法\t123
6．3．1 花卉授粉與PSO的融合算法\t124
6．3．2 花卉授粉與和聲搜索的融合算法\t124
6．4 花卉授粉算法的應(yīng)用實例\t124
6．5 花卉授粉算法在特征選擇中的應(yīng)用\t126
6．6 本章小結(jié)\t131
參考文獻\t131
第7章　人工蜂群優(yōu)化\t133
7．1 人工蜂群（ABC）\t133
7．1．1 算法靈感啟發(fā)來源\t133
7．1．2 人工蜂群算法\t133
7．2 ABC的衍生算法\t136
7．2．1 二進制編碼ABC\t136
7．2．2 混沌搜索ABC（CABC）\t137
7．2．3 并行ABC\t137
7．2．4 約束問題ABC\t138
7．2．5 列維飛行（Lèvy flight）ABC\t138
7．2．6 精英選擇ABC\t139
7．2．7 交互式ABC\t139
7．2．8 基于Pareto的ABC\t140
7．2．9 模糊混沌ABC\t140
7．2．10 多目標(biāo)優(yōu)化ABC\t141
7．2．11 JA-ABC\t141
7．3 ABC與其他算法的融合算法\t142
7．3．1 ABC與最小二乘法融合算法\t142
7．3．2 ABC與差分進化的融合算法\t143
7．3．3 ABC與量子進化的融合算法\t143
7．3．4 ABC與 PS0的融合算法\t144
7．3．5 ABC與Levenberg-Marquardt的融合算法\t144
7．3．6 ABC與和聲搜索的融合算法\t144
7．3．7 ABC與蟻群優(yōu)化的融合算法\t144
7．4 人工蜂群算法的應(yīng)用實例\t145
7．4．1 ABC算法應(yīng)用于視網(wǎng)膜血管圖像分割\t154
7．4．2 模因ABC整數(shù)規(guī)劃\t159
7．5 本章小結(jié)\t161
參考文獻\t161
第8章　基于狼群的搜索算法\t169
8．1 獨狼搜索算法（WSA）\t169
8．1．1 自然界中的狼\t169
8．1．2 人工獨狼搜索算法\t170
8．1．3 獨狼搜索算法的衍生算法\t172
8．1．4 狼群算法（WPA）\t172
8．1．5 灰狼優(yōu)化（GWO）\t174
8．2 獨狼搜索優(yōu)化算法的應(yīng)用實例\t175
8．3 本章小結(jié)\t182
參考文獻\t182
第9章　總覽\t183
9．1 準(zhǔn)則（1）：基于集群指引的分類\t183
9．2 準(zhǔn)則（2）：基于所采用概率分布的分類\t184
9．3 準(zhǔn)則（3）：根據(jù)行為數(shù)量的分類\t185
9．4 準(zhǔn)則（4）：基于個體位置分布的分類\t187
9．5 準(zhǔn)則（5）：控制參數(shù)的個數(shù)\t188
9．6 準(zhǔn)則（6）：基于在每一步迭代是否生成全新個體的分類\t190
9．7 準(zhǔn)則（7）：基于優(yōu)化過程中使用速度概念進行搜索的分類\t191
9．8 準(zhǔn)則（8）：基于使用的全局尋優(yōu)/局部搜索方法的分類\t192
9．9 本章小結(jié)\t195
參考文獻\t195