面向復雜系統(tǒng)的群集智能

《信息科學技術(shù)學術(shù)著作叢書》序
序一
序二
前言
第一篇?導引篇
第1章?緒論
1．1?引言
1．2?群集智能行為的生物原型
1．2．1?蟻群覓食
1．2．2?鳥群覓食
1．2．3?蟻群勞動分工
1．2．4?蟻群墓地構(gòu)造
1．2．5?蜂群筑巢
1．3?群集智能研究進展
1．3．1?群集智能系統(tǒng)結(jié)構(gòu)
1．3．2?群集智能模型與算法
1．3．3?群集智能典型應(yīng)用
1．3．4?群集智能發(fā)展展望
1．4?群集智能特性分析及其對復雜系統(tǒng)研究的意義
1．4．1?群集智能特性分析
1．4．2?群集智能對復雜系統(tǒng)研究的意義
1．5?本書的主要內(nèi)容
1．6?本書的篇章結(jié)構(gòu)
參考文獻
第二篇?主體篇
第2章?群集智能優(yōu)化的算法理論與算法改進
2．1?群集智能優(yōu)化概述
2．2?群集智能優(yōu)化算法及其理論分析
2．2．1?微粒群算法
2．2．2?蟻群算法
2．2．3?人工蜂群算法
2．2．4?微粒群算法的理論分析
2．3?微粒群算法的穩(wěn)定性
2．3．1?生物學背景
2．3．2?帶被動c-聚集的微粒群算法
2．3．3?近鄰個體交互微粒群算法
2．3．4?近鄰個體交互微粒群算法的李雅普諾夫穩(wěn)定性分析
2．3．5?帶主動c-聚集的微粒群算法
2．3．6?PSOAC算法的一致漸近穩(wěn)定性分析
2．3．7?基于群體決策信息的微粒群算法
2．4?最大速度上限的改進策略
2．4．1?最大速度常數(shù)的研究現(xiàn)狀
2．4．2?最大速度上限的作用
2．4．3?最大速度上限的隨機策略
2．5?具有確定認知策略的混合微粒群算法
2．5．1?標準微粒群算法的局部收斂性能分析
2．5．2?具有確定認知策略的混合微粒群算法原理
2．5．3?非穩(wěn)定線性系統(tǒng)逼近問題
2．6?自適應(yīng)分工微粒群算法
2．6．1?微粒群算法中的自適應(yīng)分工原理
2．6．2?局部環(huán)境因子和種群自適應(yīng)分工策略
2．6．3?ADPS0算法的結(jié)構(gòu)與實現(xiàn)
2．6．4?ADPSO算法的性能分析
2．7?群集智能優(yōu)化方法的綜合應(yīng)用實例
2．7．1?問題的描述
2．7．2?并行公差優(yōu)化設(shè)計問題的模型轉(zhuǎn)換
2．7．3?面向并行公差優(yōu)化設(shè)計的混合群集智能算法
2．7．4?綜合求解實例
2．8?小結(jié)
參考文獻
第3章?基于群集智能的復雜系統(tǒng)共進化
3．1?引言
3．2?復雜系統(tǒng)的共進化機制分析
3．2．1?生物系統(tǒng)中的進化與共進化
3．2．2?基于遺傳算法的共進化機制
3．2．3?群集智能中的共進化機制
3．2．4?復雜系統(tǒng)共進化的研究思路
3．3?共進化問題求解的基本原理
3．3．1?復雜問題求解的一般過程
3．3．2?“問題空間-算子空間-解空間”的共進化求解原理
3．3．3?問題空間與解空間的共進化
3．3．4?算子空間與解空間的共進化
3．3．5?問題空間與算子空間的共進化
3．4?基于群集智能的多目標共進化優(yōu)化方法
3．4．1?多目標優(yōu)化問題及其求解分析
3．4．2?面向離散變量的CACSM算法
3．4．3?面向連續(xù)變量的MOPSO算法
3．5?基于群集智能的多群體共進化優(yōu)化方法
3．5．1?問題求解背景
3．5．2?面向問題的多群體共進化蟻群優(yōu)化方法
3．5．3?問題空間一解空間共進化優(yōu)化的應(yīng)用實例
3．6?小結(jié)
參考文獻
第4章?蟻群勞動分工建模與仿真
4．1?引言
4．1．1?蟻群勞動分工模型研究概述
4．1．2?應(yīng)用背景分析
4．2?蟻群勞動分工模型
4．2．1?群體動力學模型
4．2．2?固定響應(yīng)閾值模型
4．2．3?時變響應(yīng)閾值模型
4．2．4?分析說明
4．3?多任務(wù)蟻群勞動分工建模與仿真
4．3．1?研究背景
4．3．2?多任務(wù)蟻群勞動分工模型的設(shè)計與實現(xiàn)
4．3．3?供應(yīng)鏈式虛擬企業(yè)仿真
4．3．4?組織虛擬式虛擬企業(yè)仿真
4．3．5?分析討論
4．4?多狀態(tài)蟻群勞動分工建模與仿真
4．4．1?研究背景
4．4．2?多狀態(tài)蟻群勞動分工模型的設(shè)計與實現(xiàn)
4．4．3?基于多狀態(tài)蟻群勞動分工模型的仿真實例
4．5?多項目調(diào)度蟻群勞動分工模型建立及其求解
4．5．1?多項目調(diào)度問題描述
4．5．2?多項目調(diào)度蟻群勞動分工模型的設(shè)計與實現(xiàn)
4．5．3?基于多項目調(diào)度蟻群勞動分工模型的仿真實例
4．6?基于精英策略的蟻群勞動分工模型優(yōu)化
4．6．1?研究思路
4．6．2?基于精英策略的蟻群勞動分工模型優(yōu)化方法與實現(xiàn)
4．7?小結(jié)
參考文獻
第5章?群集智能作用下的結(jié)構(gòu)涌現(xiàn)
5．1?引言
5．2?基于蟻群墓地構(gòu)造的聚類模型及其應(yīng)用
5．2．1?基于蟻群墓地構(gòu)造的聚類模型
5．2．2?蟻群聚類模型的并行化及有關(guān)說明
5．2．3?基于蟻群聚類模型的機構(gòu)軌跡綜合
5．3?基于蜂群筑巢的實體結(jié)構(gòu)涌現(xiàn)模型及其應(yīng)用
5．3．1?社會性昆蟲群體的筑巢行為
5．3．2?基于群集智能的筑巢模型及其實現(xiàn)算法
5．3．3?基于筑巢模型的結(jié)構(gòu)涌現(xiàn)仿真分析
5．4?基于元胞自動機的實體結(jié)構(gòu)涌現(xiàn)模型及其應(yīng)用
5．4．1?基于元胞自動機的連續(xù)結(jié)構(gòu)涌現(xiàn)模型
5．4．2?基于元胞自動機的連續(xù)結(jié)構(gòu)涌現(xiàn)模型的相關(guān)性能分析
5．4．3?基于連續(xù)結(jié)構(gòu)涌現(xiàn)模型的拓撲優(yōu)化設(shè)計實例
5．5?基于社會網(wǎng)絡(luò)的虛擬結(jié)構(gòu)涌現(xiàn)模型及其應(yīng)用
5．5．1?社會網(wǎng)絡(luò)結(jié)構(gòu)涌現(xiàn)的有關(guān)說明
5．5．2?社會網(wǎng)絡(luò)的結(jié)構(gòu)涌現(xiàn)
5．5．3?社會網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)涌現(xiàn)的實例分析
5．6?小結(jié)
參考文獻
第三篇?擴展篇
第6章?群集智能的新發(fā)展――社會情感計算
6．1?引言
6．2?社會情感優(yōu)化算法概述
6．2．1?社會情感理論
6．2．2?標準社會情感優(yōu)化算法
6．3?基于情感強度第三定律的社會情感優(yōu)化算法
6．4?引入情緒調(diào)整策略的小世界社會情感優(yōu)化算法
6．4．1?算法思路
6．4．2?數(shù)值實驗仿真
6．4．3?人工神經(jīng)網(wǎng)絡(luò)的訓練
6．5?社會情感優(yōu)化算法的適應(yīng)值預(yù)測策略
6．5．1?引言
6．5．2?基于適應(yīng)值的加權(quán)平均預(yù)測思想
6．5．3?基于適應(yīng)值的加權(quán)平均預(yù)測公式
6．5．4?預(yù)測的比例討論
6．6?小結(jié)
參考文獻
第7章?群集智能與人工神經(jīng)網(wǎng)絡(luò)和人工免疫系統(tǒng)的關(guān)系
7．1?引言
7．2?人工神經(jīng)網(wǎng)絡(luò)與人工免疫網(wǎng)絡(luò)概述
7．2．1?人工神經(jīng)網(wǎng)絡(luò)生物原型與算法
7．2．2?人工免疫系統(tǒng)生物原型與算法
7．3?群集智能與人工神經(jīng)網(wǎng)絡(luò)的相似性
7．3．1?系統(tǒng)結(jié)構(gòu)的相似性
7．3．2?學習機制的相似性
7．3．3?反饋機制的對比分析
7．3．4?問題求解的對比分析
7．4?群集智能與人工免疫系統(tǒng)的關(guān)聯(lián)性
7．4．1?相似性分析
7．4．2?差異性分析
7．4．3?問題求解的對比分析
7．5?小結(jié)
參考文獻
第8章?人工蜂群算法與人工免疫網(wǎng)絡(luò)系統(tǒng)的融合
8．1?引言
8．2?人工蜂群算法概述
8．2．1?基本人工蜂群算法
8．2．2?人工蜂群算法模型
8．3?人工蜂群算法與人工免疫算法的融合機理
8．4?混合算法在工程約束優(yōu)化參數(shù)設(shè)計中的應(yīng)用
8．4．1?約束優(yōu)化問題的數(shù)學模型
8．4．2?仿真實驗
8．4．3?仿真結(jié)果分析
8．5?具有多峰特性的多項目調(diào)度問題的混合算法求解
8．5．1?問題背景
8．5．2?MRCMPSP問題數(shù)學模型及其約束簡化
8．5．3?混合算法對MRCMPSP問題的求解
8．5．4?數(shù)值實例
8．6?小結(jié)
參考文獻
索引
后記