生物启发计算：个体、群体、群落演化模型与方法电子书

扉页

内容简介

版权页

序言

前言

目录

第1章 绪论

1.1 从仿生学到生物启发计算

1.2 生物启发计算与复杂适应系统

1.3 生物启发计算的主要研究分支

1.4 生物启发计算研究的局限性

参考文献

第2章 生物启发计算研究综述

引言

2.1 生物启发计算的实现模式概述

2.2 生物启发计算模式综述

2.2.1 遗传算法

2.2.2 粒子群优化

2.2.3 蚁群优化

2.2.4 人工蜂群算法

2.2.5 细菌觅食算法

2.2.6 群搜索算法

2.2.7 DNA计算

2.2.8 自组织迁移算法

2.2.9 膜计算

2.2.10 元胞自动机

2.2.11 神经网络

2.2.12 人工免疫系统

2.3 生物启发计算的应用与发展趋势

2.3.1 自然计算应用领域综述

2.3.2 应用分析与展望

参考文献

第3章 理论基础与统一模型

引言

3.1 生物进化论与优化

3.1.1 优胜劣汰—生存竞争

3.1.2 自适应与效率

3.2 共生进化论与种群动力学

3.2.1 共生与协同进化

3.2.2 多种群共生协同进化的动力学描述

3.3 复杂系统与涌现

3.3.1 复杂适应系统与生物进化

3.3.2 生物进化的复杂系统建模

3.4 生物启发计算的统一框架模型

3.4.1 生物启发计算模式的统一框架理念

3.4.2 个体—群体—群落：生物启发计算模式的总体形式化描述

3.4.3 环境

参考文献

第4章 生物个体行为模式与自适应优化方法

引言

4.1 自然进化中的个体行为模式

4.1.1 生物个体的觅食行为分类

4.1.2 适应性主体

4.1.3 效率与最优觅食理论

4.2 基于生物个体行为的计算模式设计

4.2.1 基于生物个体行为的统一优化框架

4.2.2 基于生物个体行为的基本操作

4.3 生物个体建模与仿真分析

4.3.1 生物系统个体的形式化定义

4.3.2 典型生物个体行为的建模与仿真分析

4.3.3 个体环境间作用关系描述与规则模型

4.4 细菌自适应觅食优化算法

4.4.1 算法的基本思想与流程

4.4.2 算法的形式化描述

4.4.3 ABFO算法实现步骤

4.4.4 算法效能分析

4.5 植物根系自适应生长优化算法

4.5.1 算法的基本思想

4.5.2 算法的形式化描述

4.5.3 算法流程

4.5.4 算法效能分析

参考文献

第5章 生物种群信息交流模式与生命周期群搜索策略

引言

5.1 自然界中单一物种群体内部的信息交流与协作模式

5.1.1 生物种群

5.1.2 信息交流

5.1.3 分工协作与分布式控制

5.2 基于生物群体行为的计算模式设计

5.2.1 基于生物群体行为的统一优化框架

5.2.2 基于生物群体行为的基本操作

5.3 生物种群建模与仿真分析

5.3.1 生物系统种群的形式化定义

5.3.2 种群内个体通信模型

5.3.3 任务分工

5.3.4 种群演化模型

5.4 基于生命周期和社会学习的细菌觅食算法及其性能分析

5.4.1 算法的基本思想与流程

5.4.2 算法的形式化描述

5.4.3 算法性能分析

5.5 生命周期群搜索优化算法及其性能分析

5.5.1 算法的基本思想与流程

5.5.2 算法的形式化描述

5.5.3 实验设置

5.5.4 算法性能分析：无约束函数

5.5.5 算法性能分析：有约束函数

参考文献

第6章 生物群落演化模式与优化算法

引言

6.1 生物群落进化中的种群演化模式

6.1.1 生物群落的层次性信息网络拓扑结构

6.1.2 生物群落内种群共生模式的多型性

6.1.3 生物群落内种群的增长、迁徙和消亡模式

6.2 基于生物群落演化的计算模式设计

6.2.1 基于生物群落演化的统一优化框架

6.2.2 基于生物群落演化的基本操作

6.3 生物群落建模与仿真分析

6.3.1 生物系统群落的形式化定义

6.3.2 群落拓扑结构形式化定义

6.3.3 基于不同种群关系生物群落演化建模与仿真

6.4 基于生物群落演化的优化模型与算法实例设计

6.4.1 协同进化算法的发展现状

6.4.2 多群体协同进化统一模型

6.4.3 多种群共生协同进化粒子群优化算法

6.4.4 算法性能分析

6.4.5 基于MSPSO的RFID网络读写器调度

6.5 多种群多目标人工蜂群算法

6.5.1 算法基本思想与流程

6.5.2 算法的形式化描述

6.5.3 算法性能分析

参考文献

第7章 评注与展望

引言

7.1 理论基础研究展望

7.1.1 有关生物启发计算的有效性研究

7.1.2 有关生物启发计算的收敛性研究

7.1.3 有关生物启发计算方法的评价标准

7.2 有关算法设计研究展望

7.2.1 小生境层面的有关算法设计

7.2.2 动态环境层面的有关算法设计

7.3 有关生物启发式计算应用研究展望

7.3.1 人工大脑

7.3.2 进化硬件

7.3.3 纳米分子生物

7.3.4 虚拟生物

7.3.5 云计算

参考文献

附录A 标准测试函数

A.1 单目标无约束

A.2 单目标有约束

A.3 多目标无约束

A.4 多目标有约束

拓展阅读