群體智能優化算法是模擬自然生物種群智能行為的優化方法，具有良好的尋優性能，因此群體智能算法在求解大規模復雜問題時，具有較高的效率。本書在群體智能的基礎上，針對智能優化算法、聚類算法、復雜網絡和樸素貝葉斯分類進行理論研究和應用研究。
目錄
叢書序
前言
第1章 緒論 1
1.1 研究背景 1
1.2 研究目的 3
1.3 研究意義 6
1.4 本書章節安排 9
參考文獻 10
第2章 國內外研究現狀 12
2.1 群體智能優化算法發展現狀 12
2.2 聚類技術在數據挖掘領域的研究現狀 16
2.3 多目標優化方法及其在供應鏈優化領域的應用現狀 18
2.4 本章小結 20
參考文獻 21
第3章 群體智能相關理論研究 26
3.1 智能優化算法 26
3.2 聚類算法 28
3.3 復雜網絡 29
3.4 樸素貝葉斯分類 30
3.5 本章小結 31
參考文獻 31
第4章 基于人工蜂群優化的密度峰值聚類 34
4.1 引言 34
4.2 密度峰值聚類算法的改進 35
4.2.1 計算數據點的密度及生成決策圖 37
4.2.2 執行初始聚類 38
4.2.3 識別類簇間數據點 39
4.2.4 初選類簇間數據點的類簇標號 40
4.2.5 判定類簇間數據點的類簇標號 41
4.2.6 完成聚類 44
4.3 實驗結果 44
4.3.1 類簇間數據點的自動識別 44
4.3.2 任意形狀數據集的類簇中心點和類簇數目的自動識別 48
4.3.3 不同形狀和大小的數據集的有效聚合 49
4.3.4 分類效果評價 51
4.4 結果分析 52
4.5 本章小結 54
參考文獻 54
第5章 基于人工蜂群優化的密度峰值聚類算法的應用 56
5.1 引言 56
5.2 數據來源及預處理 57
5.3 基于人工蜂群的密度峰值聚類算法 59
5.4 聚類結果分析 60
5.5 本章小結 61
參考文獻 62
第6章 基于復雜網路和樸素貝葉斯分類的人工蜂群算法 63
6.1 引言 63
6.2 模型建立 66
6.2.1 問題描述 66
6.2.2 解的表達 69
6.3 基于復雜網絡的人工蜂群算法 71
6.4 基于復雜網絡和樸素貝葉斯分類的人工蜂群算法的實現 73
6.5 推土機制造企業的供應鏈網絡優化 74
6.5.1 全局最優解集的搜索能力 80
6.5.2 搜索全局最優解集的速度 89
6.6 算法結果分析 91
6.7 本章小結 93
參考文獻 93
新書資訊