集群智能：原理、發(fā)展和應(yīng)用（精裝版）

定　價(jià)：￥128.00

作　者：	[美] Aboul，Ella，Hassanien（阿布·埃拉·哈桑尼），Eid，Emary（艾德·埃默里）著；夏輝等譯
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121307966	出版時(shí)間：	2017-03-01	包裝：	精裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	208	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)包含了許多群智能算法的前沿應(yīng)用，如群機(jī)器人、自組織生產(chǎn)和下一代網(wǎng)絡(luò)路由協(xié)議等。與國(guó)內(nèi)大多數(shù)同類(lèi)書(shū)籍不同，本書(shū)并不直接介紹群智能算法，而是以一章的篇幅介紹群智能方法的生物學(xué)基礎(chǔ)，使得讀者能夠?qū)θ褐悄艿臏Y源有一個(gè)了解，從而更好地理解群智能方法。

作者簡(jiǎn)介

　　夏輝，中國(guó)航天部科研所人工智能研究專(zhuān)家，學(xué)術(shù)帶頭人。宋勛，人工智能工程博士，中國(guó)航天部科研所專(zhuān)家。王碩，中國(guó)航天部科研所人工智能專(zhuān)家。阿布？埃拉？哈桑尼，艾德？埃默里，美國(guó)著名集群智能算法專(zhuān)家，精通集群智能以及受生物啟發(fā)的計(jì)算方法，國(guó)際集群智能研究學(xué)術(shù)帶頭人。

圖書(shū)目錄

目　錄
第1章　緒論\t001
1．1 靈感啟發(fā)來(lái)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(jī)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(jī)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(jī)游走\(yùn)t008
1．5 混沌\t009
1．6 本章小結(jié)\t012
參考文獻(xiàn)\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(jìn)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(wèn)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(jìn)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(niǎo)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(shí)例\t030
2．4．1 蝙蝠算法在病態(tài)地磁反轉(zhuǎn)問(wèn)題中的應(yīng)用\t034
2．4．2 蝙蝠算法在社會(huì)網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題中的應(yīng)用\t039
2．5 本章小結(jié)\t040
參考文獻(xiàn)\t041
第3章　人工魚(yú)群\t045
3．1 魚(yú)群優(yōu)化\t045
3．1．1 生物原理\t045
3．1．2 人工魚(yú)群算法\t045
3．2 AFSA 的衍生算法\t047
3．2．1 簡(jiǎn)化的二進(jìn)制AFSA算法\t047
3．2．2 快速AFSA算法（FAFSA）\t048
3．2．3 改進(jìn)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(jìn)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(chóng)優(yōu)化算法（GSO）的融合算法\t056
3．3．4 AFSA與細(xì)胞學(xué)習(xí)自動(dòng)機(jī)的融合算法\t056
3．4 AFSA的應(yīng)用實(shí)例\t057
3．4．1 AFSA在無(wú)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(huì)網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題中的應(yīng)用\t062
3．5 本章小結(jié)\t063
參考文獻(xiàn)\t063
第4章　布谷鳥(niǎo)搜索算法\t067
4．1 布谷鳥(niǎo)搜索（CS）\t067
4．1．1 布谷鳥(niǎo)的繁殖行為\t067
4．1．2 人工布谷鳥(niǎo)搜索\t067
4．2 布谷鳥(niǎo)搜索算法的衍生算法\t069
4．2．1 離散布谷鳥(niǎo)搜索算法\t069
4．2．2 二進(jìn)制編碼布谷鳥(niǎo)搜索算法\t070
4．2．3 混沌布谷鳥(niǎo)搜索算法\t070
4．2．4 并行布谷鳥(niǎo)搜索算法\t071
4．2．5 約束問(wèn)題布谷鳥(niǎo)搜索算法\t072
4．2．6 參數(shù)自適應(yīng)的布谷鳥(niǎo)搜索算法\t072
4．2．7 高斯布谷鳥(niǎo)搜索算法\t073
4．3 布谷鳥(niǎo)搜索算法與其他算法的融合\t073
4．3．1 布谷鳥(niǎo)搜索算法與差分進(jìn)化算法的融合\t074
4．3．2 布谷鳥(niǎo)搜索算法與分散搜索算法的融合\t074
4．3．3 布谷鳥(niǎo)搜索算法與蟻群優(yōu)化算法的融合\t074
4．3．4 布谷鳥(niǎo)搜索算法與鮑威爾搜索算法的融合\t075
4．3．5 布谷鳥(niǎo)搜索算法與單純形法的融合\t075
4．3．6 布谷鳥(niǎo)搜索算法與蝙蝠算法的融合（BA-CS）\t075
4．3．7 布谷鳥(niǎo)搜索算法與粒子群優(yōu)化算法的融合\t076
4．3．8 布谷鳥(niǎo)搜索算法與Levenberg-Marquardt算法的融合（CSLM）\t076
4．3．9 布谷鳥(niǎo)搜索算法與量子計(jì)算的融合\t077
4．4 布谷鳥(niǎo)搜索算法的應(yīng)用實(shí)例\t077
4．4．1 布谷鳥(niǎo)搜索在特征選擇中的應(yīng)用\t081
4．4．2 解決凸經(jīng)濟(jì)調(diào)度問(wèn)題的改進(jìn)布谷鳥(niǎo)搜索算法\t085
4．5 本章小結(jié)\t087
參考文獻(xiàn)\t088
第5章　螢火蟲(chóng)算法\t091
5．1 螢火蟲(chóng)算法（FFA）\t091
5．1．1 螢火蟲(chóng)行為介紹\t091
5．1．2 人工螢火蟲(chóng)算法\t091
5．2 螢火蟲(chóng)算法的衍生算法\t093
5．2．1 離散螢火蟲(chóng)算法\t093
5．2．2 二進(jìn)制編碼螢火蟲(chóng)算法\t095
5．2．3 混沌螢火蟲(chóng)算法\t095
5．2．4 并行螢火蟲(chóng)算法\t096
5．2．5 約束問(wèn)題螢火蟲(chóng)算法\t096
5．2．6 Lèvy飛行螢火蟲(chóng)算法（LFA）\t097
5．2．7 智能螢火蟲(chóng)算法（IFA）\t098
5．2．8 高斯螢火蟲(chóng)算法（GOFF）\t098
5．2．9 網(wǎng)絡(luò)結(jié)構(gòu)螢火蟲(chóng)算法（NS-FA）\t099
5．2．10 參數(shù)自適應(yīng)螢火蟲(chóng)算法\t100
5．3 螢火蟲(chóng)算法與其他算法的融合算法\t101
5．3．1 螢火蟲(chóng)算法與差分進(jìn)化算法的融合（HEFA）\t101
5．3．2 螢火蟲(chóng)算法與和聲搜索算法的融合（HS/FA）\t103
5．3．3 螢火蟲(chóng)算法與模式搜索算法的融合（hFAPS）\t103
5．3．4 螢火蟲(chóng)算法與自動(dòng)學(xué)習(xí)機(jī)算法的融合（LA-FF）\t103
5．3．5 螢火蟲(chóng)算法與蟻群優(yōu)化算法的融合\t104
5．4 螢火蟲(chóng)算法的應(yīng)用實(shí)例\t104
5．5 本章小結(jié)\t113
參考文獻(xiàn)\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(jìn)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(jìn)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(shí)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(xiàn)\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(lái)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(jìn)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(wèn)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(jìn)化的融合算法\t143
7．3．3 ABC與量子進(jìn)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(shí)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(xiàn)\t161
第8章　基于狼群的搜索算法\t169
8．1 獨(dú)狼搜索算法（WSA）\t169
8．1．1 自然界中的狼\t169
8．1．2 人工獨(dú)狼搜索算法\t170
8．1．3 獨(dú)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(dú)狼搜索優(yōu)化算法的應(yīng)用實(shí)例\t175
8．3 本章小結(jié)\t182
參考文獻(xiàn)\t182
第9章　總覽\t183
9．1 準(zhǔn)則（1）：基于集群指引的分類(lèi)\t183
9．2 準(zhǔn)則（2）：基于所采用概率分布的分類(lèi)\t184
9．3 準(zhǔn)則（3）：根據(jù)行為數(shù)量的分類(lèi)\t185
9．4 準(zhǔn)則（4）：基于個(gè)體位置分布的分類(lèi)\t187
9．5 準(zhǔn)則（5）：控制參數(shù)的個(gè)數(shù)\t188
9．6 準(zhǔn)則（6）：基于在每一步迭代是否生成全新個(gè)體的分類(lèi)\t190
9．7 準(zhǔn)則（7）：基于優(yōu)化過(guò)程中使用速度概念進(jìn)行搜索的分類(lèi)\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(lèi)\t192
9．9 本章小結(jié)\t195
參考文獻(xiàn)\t195