群体智能优化算法及其应用内容简介

本书面向智能信息处理研究的前沿领域，针对群体智能优化算法及其应用中的关键问题，系统地讨论了新型群体智能优化算法以及群体智能优化算法在三维模型处理和可信软件测试中的应用，比较全面地反映了国内外在三维模型智能处理和基于搜索的可信软件测试领域的最新研究进展。本书主要内容包括经典群体智能优化算法、社会认知优化算法、自然社会认知优化算法、细菌群体趋药性算法、混沌细菌群体趋药算法、三维模型多特征提取、基于证据和区间数的智能三维模型融合匹配识别方法、基于群体智能的文物三维模型全局最优匹配算法、基于群体智能的三维模型配准算法、基于粒子群算法的测试数据生成及优化、基于改进粒子群优化的测试用例扩增方法和基于蚁群算法的组合测试数据生成与优化。

前言

第1章绪论

第2章经典群体智能算法

第3章社会认知优化算法

第4章新型社会认知优化算法

第5章细菌群体趋药性算法及改进

第6章三维碎片模型特征提取

第7章基于证据和区间数的多特征智能融合识别方法

第8章基于离散自然社会认知优化算法的全局最优匹配

第9章基于显著特征的智能配准算法

第10章基于粒子群算法的测试数据的生成及优化

第11章基于进化算法的测试数据生成

第12章基于自适应粒子群算法的测试数据扩增方法

第13章基于蚁群算法的组合测试用例的生成与优化

第14章总结与展望 2100433B

第1章 群体智能算法概述 1

1.1 群体智能算法的特点 1

1.1.1 智能性 1

1.1.2 隐含本质并行性 2

1.1.3 解的近似性 2

1.2 群体智能算法的计算模式 2

1.2.1 社会协作机制 3

1.2.2 自我适应机制 3

1.2.3 竞争机制 4

1.3 遗传算法 4

1.3.1 标准遗传算法原理 5

1.3.2 编码机制与主要算子 7

1.4 差异演化算法 8

1.5 粒子群算法 10

1.5.1 粒子群算法的原理 10

1.5.2 PSO算法的计算模型 11

1.6 教—学优化算法 13

1.7 顾问引导搜索算法 13

1.8 本章小结 15

参考文献 16

第2章 人工鱼群算法 18

2.1 人工鱼群算法的数学模型 18

2.2 人工鱼群算法的收敛性分析 21

2.2.1 常用距离 21

2.2.2 基于Markfov链技术的收敛性分析 22

2.2.3 基于压缩映射定理的收敛性分析 25

2.3 人工鱼群算法的相关研究 26

2.3.1 参数的改进 27

2.3.2 与其他智能算法的融合 28

2.3.3 其他的改进方法 29

2.4 本章小结 32

参考文献 32

第3章 人工鱼群算法的改进研究 34

3.1 小生境人工鱼群算法 34

3.1.1 小生境技术 34

3.1.2 算法实现 36

3.1.3 算法的收敛性 36

3.1.4 仿真实验与分析 38

3.1.5 结论 40

3.2 自适应人工鱼群算法 40

3.2.1 参数自适应机制 40

3.2.2 算法实现 42

3.2.3 仿真实验与分析 42

3.2.4 结论 44

3.3 基于种群分类的人工鱼群算法 44

3.3.1 种群分类思想及设置 45

3.3.2 算法实现 46

3.3.3 仿真实验与分析 47

3.3.4 结论 50

3.4 混和反向学习人工鱼群算法 50

3.4.1 反向学习 50

3.4.2 佳点集 51

3.4.3 人工鱼群算法的改进机制 51

3.4.4 仿真实验与分析 54

3.4.5 结论 59

3.5 精英竞争人工鱼群算法 59

3.5.1 基于动态随机搜索的精英训练 59

3.5.2 算法实现 60

3.5.3 仿真实验与分析 61

3.5.4 结论 67

3.6 随机游走人工鱼群算法 67

3.6.1 Lévy Flight机制 67

3.6.2 算法改进思想 68

3.6.3 算法实现 69

3.6.4 仿真实验与分析 70

3.6.5 结论 72

3.7 混合群搜索人工鱼群算法 73

3.7.1 标准群搜索优化算法 73

3.7.2 群搜索优化算法的改进 75

3.7.3 混合群搜索人工鱼群算法 77

3.7.4 仿真实验与分析 78

3.7.5 结论 81

3.8 本章小结 81

参考文献 82

第4章 烟花爆炸优化算法及改进 83

4.1 烟花爆炸优化算法 83

4.2 混沌烟花爆炸优化算法 86

4.2.1 混沌搜索算法 86

4.2.2 算法实现 87

4.2.3 仿真实验与分析 87

4.2.4 结论 91

4.3 混合动态搜索烟花爆炸优化算法 91

4.3.1 算法实现 91

4.3.2 仿真实验与分析 92

4.3.3 结论 96

4.4 混合反向学习烟花爆炸优化算法 96

4.4.1 精英反向学习 96

4.4.2 基于模拟退火机制的种群选择 97

4.4.3 算法实现 97

4.4.4 仿真实验与分析 98

4.4.5 结论 102

4.5 随机游走烟花爆炸优化算法 102

4.5.1 基于随机游走机制的变异算子 103

4.5.2 基于Boltzmann 子个体选择 103

4.5.3 算法实现 104

4.5.4 仿真实验与分析 105

4.5.5 结论 109

4.6 本章小结 109

参考文献 109

第5章 群体智能算法的应用 110

5.1 物流配送中的车辆调度问题 110

5.1.1 问题的提出 110

5.1.2 组合优化 111

5.1.3 车辆调度问题的数学模型 111

5.1.4 求解VRP的混合人工鱼群遗传算法 112

5.1.5 仿真实验结果 113

5.2 求解SVM反问题的差异演化算法 113

5.2.1 问题的提出 113

5.2.2 差异演化算法的设计 114

5.2.3 差异演化算法的改进 114

5.2.4 仿真实验结果 116

5.3 求解聚类问题的人工鱼群算法 118

5.3.1 聚类模型 118

5.3.2 算法的设计 119

5.3.3 算法实现 120

5.3.4 仿真实验结果 121

5.4 求解测试用例自动化问题的人工鱼群算法 123

5.4.1 路径测试模型 123

5.4.2 混沌搜索 125

5.4.3 算法的设计 125

5.4.4 仿真实验结果 127

5.5 求解关联规则挖掘的差异演化算法 129

5.5.1 规则挖掘 129

5.5.2 算法的设计 131

5.5.3 仿真实验结果 133

5.6 求解特征选择的人工鱼群算法 136

5.6.1 特征选择 136

5.6.2 算法的设计 136

5.6.3 仿真实验结果 137

5.7 求解网络安全态势预测的人工鱼群算法 139

5.7.1 网络安全态势预测模型 140

5.7.2 算法的设计 141

5.7.3 仿真实验结果 143

5.8 求解图像边缘检测的遗传算法 146

5.8.1 数字图像边缘 146

5.8.2 Sobel边缘检测算子 148

5.8.3 面向图像边缘检测的遗传算法 149

5.8.4 仿真实验结果 151

5.8.5 结论 155

5.9 本章小结 155

参考文献 157

第6章 总结与展望 159 2100433B

本书以人工鱼群算法、烟花爆炸优化算法两个典型的群体智能算法为主，系统介绍了算法的原理，建立了基于协作、竞争机制的群体智能算法的数学模型。全书着重分析了人工鱼群算法和烟花爆炸优化算法的弱点，并提出了多种新颖的改进机制，给出了算法的详细实现步骤。本书还详细探讨了部分群体智能算法在VRP问题、图像边缘检测、SVM反问题、网络态势预测、数据聚类、特征选择等领域内的应用，并介绍了近年来出现的两个比较新颖的群体智能算法，顾问引导搜索算法和教—学优化算法。

《离散粒子群优化算法及其应用》分为11章，各章节内容具体安排如下 ：第1章主要介绍了基本PSO算法的原理机制及其发展现状，并着重介绍了 PSO算法的三种常见离散化策略，阐述了DPSO算法的应用成果；第2章主要介 绍了PSO算法在TSP优化问题中的应用；第3章介绍了一种基于表现型共享函 数的多目标粒子群优化算法及其在多工作流调度问题中的应用；第4章介绍 了一种求解多目标最小生成树问题的改进计数算法，并详细阐述了一种用于 求解多目标最小生成树问题的新型DPs0算法的具体设计过程；第5章主要介 绍了PSO算法在入侵检测数据特征选择中的应用；第6章重点阐述了PSO算法 在入侵检测系统异常检测和误用检测中的具体应用；第7章分别阐述了PSO算 法在网络安全态势感知中态势要素获取、理解以及预测等各步骤中的应用； 第8章主要介绍了PSO算法在异构集群数据流分配问题中的应用；第9．章主 要讨论了无线传感器网络中基于PSO的拓扑生成及其容错拓扑控制机制，详 细介绍了各种算法的具体设计过程；第10章重点阐述了基于PSO算法的无线 传感器网络任务调度策略的设计；第11章分别阐述了PSO算法在超大规模集 成电路物理设计中的电路划分和布图/布局规划优化问题中的具体应用。 《离散粒子群优化算法及其应用》主要面向计算机科学、自动化科学、 管理科学、控制科学等相关学科专业高年级本科生、研究生以及广大研究计 算智能的科技工作者。