《面向復(fù)雜系統(tǒng)的群集智能》從復(fù)雜性科學(xué)的視角出發(fā)，系統(tǒng)闡述了面向復(fù)雜系統(tǒng)的群集智能理論與方法。全書內(nèi)容共分為8章。作為緒論的第1章綜述了群集智能的研究進(jìn)展并描述了全書的概貌，起到導(dǎo)引的作用。第2～5章是《面向復(fù)雜系統(tǒng)的群集智能》的主要內(nèi)容，其中，前兩章分別探討群集智能中的優(yōu)化和廣義優(yōu)化（進(jìn)化）問題，屬于“方法導(dǎo)向研究”；后兩章分別探討群集智能中的分工合作和結(jié)構(gòu)涌現(xiàn)問題，屬于“問題導(dǎo)向研究”；上述4章構(gòu)成了《面向復(fù)雜系統(tǒng)的群集智能》的主體篇。第6～8章是對群集智能的拓展性研究，它們共同構(gòu)成《面向復(fù)雜系統(tǒng)的群集智能》的擴(kuò)展篇，其中，第6章討論模擬人類群體情感的社會(huì)情感計(jì)算，第7章闡述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，第8章進(jìn)一步給出了不同方法的融合范例。
《面向復(fù)雜系統(tǒng)的群集智能》適于從事智能科學(xué)和復(fù)雜性研究的科技工作者閱讀使用，也可作為高等院校智能科學(xué)與技術(shù)、系統(tǒng)工程、管理科學(xué)與工程等信息類和管理類相關(guān)專業(yè)研究生和本科生的教學(xué)參考書。
《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
序一
序二
前言
第一篇 導(dǎo)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(dòng)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(jìn)展
1.3.1 群集智能系統(tǒng)結(jié)構(gòu) 《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
序一
序二
前言
第一篇 導(dǎo)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(dòng)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(jìn)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(fù)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(fù)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(xiàn)
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(jìn)
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(xué)背景
2.3.2 帶被動(dòng)c-聚集的微粒群算法
2.3.3 近鄰個(gè)體交互微粒群算法
2.3.4 近鄰個(gè)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(dòng)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(jìn)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(jī)策略
2.5 具有確定認(rèn)知策略的混合微粒群算法
2.5.1 標(biāo)準(zhǔn)微粒群算法的局部收斂性能分析
2.5.2 具有確定認(rèn)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 ADPSO算法的結(jié)構(gòu)與實(shí)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(shí)例
2.7.1 問題的描述
2.7.2 并行公差優(yōu)化設(shè)計(jì)問題的模型轉(zhuǎn)換
2.7.3 面向并行公差優(yōu)化設(shè)計(jì)的混合群集智能算法
2.7.4 綜合求解實(shí)例
2.8 小結(jié)
參考文獻(xiàn)
第3章 基于群集智能的復(fù)雜系統(tǒng)共進(jìn)化
3.1 引言
3.2 復(fù)雜系統(tǒng)的共進(jìn)化機(jī)制分析
3.2.1 生物系統(tǒng)中的進(jìn)化與共進(jìn)化
3.2.2 基于遺傳算法的共進(jìn)化機(jī)制
3.2.3 群集智能中的共進(jìn)化機(jī)制
3.2.4 復(fù)雜系統(tǒng)共進(jìn)化的研究思路
3.3 共進(jìn)化問題求解的基本原理
3.3.1 復(fù)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(jìn)化求解原理
3.3.3 問題空間與解空間的共進(jìn)化
3.3.4 算子空間與解空間的共進(jìn)化
3.3.5 問題空間與算子空間的共進(jìn)化
3.4 基于群集智能的多目標(biāo)共進(jìn)化優(yōu)化方法
3.4.1 多目標(biāo)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(jìn)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(jìn)化蟻群優(yōu)化方法
3.5.3 問題空間-解空間共進(jìn)化優(yōu)化的應(yīng)用實(shí)例
3.6 小結(jié)
參考文獻(xiàn)
第4章 蟻群勞動(dòng)分工建模與仿真
4.1 引言
4.1.1 蟻群勞動(dòng)分工模型研究概述
4.1.2 應(yīng)用背景分析
4.2 蟻群勞動(dòng)分工模型
4.2.1 群體動(dòng)力學(xué)模型
4.2.2 固定響應(yīng)閾值模型
4.2.3 時(shí)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(dòng)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(dòng)分工模型的設(shè)計(jì)與實(shí)現(xiàn)
4.3.3 供應(yīng)鏈?zhǔn)教摂M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(dòng)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(dòng)分工模型的設(shè)計(jì)與實(shí)現(xiàn)
4.4.3 基于多狀態(tài)蟻群勞動(dòng)分工模型的仿真實(shí)例
4.5 多項(xiàng)目調(diào)度蟻群勞動(dòng)分工模型建立及其求解
4.5.1 多項(xiàng)目調(diào)度問題描述
4.5.2 多項(xiàng)目調(diào)度蟻群勞動(dòng)分工模型的設(shè)計(jì)與實(shí)現(xiàn)
4.5.3 基于多項(xiàng)目調(diào)度蟻群勞動(dòng)分工模型的仿真實(shí)例
4.6 基于精英策略的蟻群勞動(dòng)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(dòng)分工模型優(yōu)化方法與實(shí)現(xiàn)
4.7 小結(jié)
參考文獻(xiàn)
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(jī)構(gòu)軌跡綜合
5.3 基于蜂群筑巢的實(shí)體結(jié)構(gòu)涌現(xiàn)模型及其應(yīng)用
5.3.1 社會(huì)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(shí)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(dòng)機(jī)的實(shí)體結(jié)構(gòu)涌現(xiàn)模型及其應(yīng)用
5.4.1 基于元胞自動(dòng)機(jī)的連續(xù)結(jié)構(gòu)涌現(xiàn)模型
5.4.2 基于元胞自動(dòng)機(jī)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?fù)鋬?yōu)化設(shè)計(jì)實(shí)例
5.5 基于社會(huì)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(huì)網(wǎng)絡(luò)結(jié)構(gòu)涌現(xiàn)的有關(guān)說明
5.5.2 社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)涌現(xiàn)
5.5.3 社會(huì)網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)涌現(xiàn)的實(shí)例分析
5.6 小結(jié)
參考文獻(xiàn)
第三篇 擴(kuò)展篇
第6章 群集智能的新發(fā)展——社會(huì)情感計(jì)算
6.1 引言
6.2 社會(huì)情感優(yōu)化算法概述
6.2.1 社會(huì)情感理論
6.2.2 標(biāo)準(zhǔn)社會(huì)情感優(yōu)化算法
6.3 基于情感強(qiáng)度第三定律的社會(huì)情感優(yōu)化算法
6.4 引入情緒調(diào)整策略的小世界社會(huì)情感優(yōu)化算法
6.4.1 算法思路
6.4.2 數(shù)值實(shí)驗(yàn)仿真
6.4.3 人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
6.5 社會(huì)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(xiàn)
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(xué)習(xí)機(jī)制的相似性
7.3.3 反饋機(jī)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(xiàn)
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(jī)理
8.4 混合算法在工程約束優(yōu)化參數(shù)設(shè)計(jì)中的應(yīng)用
8.4.1 約束優(yōu)化問題的數(shù)學(xué)模型
8.4.2 仿真實(shí)驗(yàn)
8.4.3 仿真結(jié)果分析
8.5 具有多峰特性的多項(xiàng)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(xué)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(shí)例
8.6 小結(jié)
參考文獻(xiàn)
索引
后記
新書資訊