本書是一部系統(tǒng)論述基于生物行為模型的智能優(yōu)化算法案例與實(shí)現(xiàn)的著作。全書共分為6章:第1 章介紹生物啟發(fā)式計(jì)算的研究背景, 對傳統(tǒng)生物啟發(fā)式計(jì)算方法進(jìn)行了概述;第2章介紹將層次型信息 交流拓?fù)浣Y(jié)構(gòu)引入人工蜂群覓食模型中的內(nèi)容, 提出基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化優(yōu)化算 法, 使用該算法在搜索過程中能夠維持整個(gè)種群多樣性的群落級進(jìn)化, 從而克服傳統(tǒng)單層生物啟發(fā)式優(yōu)化 模型的 早熟收斂 問題, 并進(jìn)一步提升算法的收斂速度與收斂精度; 第3章借鑒微生物學(xué)**研究成果, 從能量變化角度對細(xì)菌構(gòu)建基于生命周期的優(yōu)化模型, 進(jìn)一步介紹基于生命周期的菌群覓食自適應(yīng)優(yōu) 化算法;第4章研究如何將改進(jìn)的蜂群覓食優(yōu)化算法用于求解聚類問題, 將基于層次型信息交流機(jī)制 的多蜂群協(xié)同進(jìn)化優(yōu)化的聚類優(yōu)化算法用于教學(xué)評價(jià)體系;第5章研究如何將基于 L C B F A 的多閾值 圖像分割算法用于圖像分割的問題;第6章對植物根系自適應(yīng)生長與**覓食這種典型生物個(gè)體行 為進(jìn)行深入研究, 建立了基于根系生長的智能計(jì)算模型 混合人工植物根系生長優(yōu)化模型。 本書從生物建模機(jī)理、 算法設(shè)計(jì)和工程應(yīng)用層面針對典型的生物覓食行為啟發(fā)式計(jì)算方法進(jìn)行 研究, 取得了具有創(chuàng)新性和應(yīng)用價(jià)值的成果, 所提出的改進(jìn)策略和優(yōu)化方法對于拓展相關(guān)領(lǐng)域的研 究、 指導(dǎo)實(shí)際應(yīng)用都將具有一定的借鑒意義, 可為從事相關(guān)智能優(yōu)化方法研究的科研工作者提供可 借鑒的理論指導(dǎo)。
生物啟發(fā)式計(jì)算是建立在仿生學(xué)、生態(tài)系統(tǒng)分析、計(jì)算機(jī)應(yīng)用技術(shù)等學(xué)科基礎(chǔ)上的一種優(yōu)化計(jì)算方法,是人工智能優(yōu)化算法發(fā)展的重要分支。由于此類方法具備問題描述簡單和優(yōu)化性能高效的的特點(diǎn),被廣泛應(yīng)用于各類復(fù)雜優(yōu)化問題的求解。為滿足研究相關(guān)優(yōu)化方法的科研工作者及廣大普通讀者的需求,作者編寫了《智能優(yōu)化算法基于生物行為模型的案例與實(shí)現(xiàn)》。本書從建模機(jī)理、算法設(shè)計(jì)和工程應(yīng)用層面對典型的生物覓食行為啟發(fā)式計(jì)算方法進(jìn)行研究,幫助讀者形成關(guān)于生物啟發(fā)式計(jì)算的知識體系。本書系統(tǒng)論述了智能優(yōu)化算法的理論、技術(shù)及應(yīng)用,具體內(nèi)容包括:
? 基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化;
? 基于生命周期的菌群覓食自適應(yīng)優(yōu)化;
? 面向聚類分析的MCABC-FCM算法研究與應(yīng)用;
? 基于LCBFA的多閾值分割算法及其在彩色圖像處理中的應(yīng)
在智能計(jì)算領(lǐng)域,生物界某些個(gè)體或群體的行為特征、演化特性給予研究人員很多啟示,因此許多模擬生物行為和現(xiàn)象的優(yōu)化算法應(yīng)運(yùn)而生,上述研究統(tǒng)稱為生物啟發(fā)式計(jì)算方法。生物行為
有多種,覓食行為是生物生存及繁殖的重要行為,不同類型的生物,從低等單細(xì)胞細(xì)菌到高等動物都具有不同的覓食行為模式,有關(guān)模擬生物覓食行為規(guī)律的啟發(fā)式計(jì)算方法自從提出以來,一直受到國內(nèi)外學(xué)者和工程技術(shù)人員的廣泛關(guān)注。
盡管基于生物覓食行為的啟發(fā)式計(jì)算研究日趨成熟,但通過分析現(xiàn)有研究可以看出,在求解復(fù)雜的實(shí)際問題的過程中,我們在保持算法的多樣性,兼顧全局與局部搜索的均衡,實(shí)現(xiàn)算法參數(shù)自適應(yīng)優(yōu)化,有效克服算法的
早熟收斂問題,提高算法的搜索效率和收斂精度等方面尚存在較大的改進(jìn)空間。
本書利用自然生物覓食理論、復(fù)雜自適應(yīng)系統(tǒng)等成果,在國內(nèi)外生物啟發(fā)式計(jì)算相關(guān)工作的基礎(chǔ)上,從生物建模、算法設(shè)計(jì)、工程應(yīng)用層面,針對基于覓食行為的生物啟發(fā)式算法展開了深入的研究,并結(jié)合數(shù)據(jù)聚類分析、彩色圖像處理等典型實(shí)際問題設(shè)計(jì)了新的求解方法,為從事相關(guān)優(yōu)化方法研究的科研工作者提供可借鑒的理論指導(dǎo)。
本書分為6章,內(nèi)容涵蓋了以下幾方面:
(1) 針對傳統(tǒng)基于單層生物啟發(fā)式優(yōu)化模型的原始蜂群算法存在早熟收斂問題,將層次型信息交流拓?fù)浣Y(jié)構(gòu)引入人工蜂群覓食模型中,提出基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化算法,實(shí)現(xiàn)在搜索過程中
維持整個(gè)種群多樣性的
進(jìn)化。通過仿真實(shí)驗(yàn)表明,該方法能夠有效地保持整個(gè)種群的多樣性,
有效地提升了算法的收斂速度與收斂精度。
(2) 從能量變化角度出發(fā),構(gòu)建基于生命周期優(yōu)化模型。在此基礎(chǔ)上,針對傳統(tǒng)的菌群優(yōu)化算法進(jìn)行改進(jìn),設(shè)計(jì)了一種基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法。
將大腸桿菌(escherichia coli,E.Coli)種群按照生命周期進(jìn)行演化,即大腸桿菌個(gè)體在覓食過程中
獲取能量、消耗能量并動態(tài)地分裂、死亡和遷移,種群規(guī)模隨環(huán)境變化進(jìn)行適應(yīng)性變化。通過仿真實(shí)驗(yàn)表明,本書建立的大腸桿菌菌群優(yōu)化模型符合微生物生命周期變化規(guī)律,函數(shù)測試結(jié)果驗(yàn)證了算法具有較好的優(yōu)化性能。
(3) 針對傳統(tǒng)模糊C均值算法易陷入局部極小值,對初始值和噪聲數(shù)據(jù)敏感等不足,引入基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化思想,提出基于MCABCFCM的聚類優(yōu)化算法,并應(yīng)用于
教學(xué)評估中。實(shí)例仿真表明,相對于傳統(tǒng)FCM聚類算法,該方法
在尋優(yōu)能力、收斂速度方面得到顯著提高,與此同時(shí),評價(jià)效果更具有代表性。
(4) 將基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法用于圖像處理中,提出一種新的多閾值
圖像分割算法,融合群體并行搜索且不易陷入局部的特點(diǎn),以尋找圖像分割的閾值組合,并限度地提高尋優(yōu)精度和效率。通過圖像的仿真證明該方法的分割結(jié)果更加精確,極大地降低了多閾值分割的計(jì)算時(shí)間,為解決類似工程問題提供了新的思路。
(5) 以植物根系自適應(yīng)生長及覓食行為建模、仿真研究為基礎(chǔ),設(shè)計(jì)一種新型生物啟發(fā)
式計(jì)算模式混合人工植物根系自適應(yīng)生長優(yōu)化算法。通過在標(biāo)準(zhǔn)測試函數(shù)上的仿真分析,植物根系生長優(yōu)化具有良好的優(yōu)化精度和收斂速度,為求解實(shí)際工程應(yīng)用中的連續(xù)優(yōu)化和動態(tài)優(yōu)化問題提供了新的思路。
感謝清華大學(xué)出版社盛東亮老師的大力支持,他認(rèn)真細(xì)致的指導(dǎo),保證了本書的質(zhì)量。
由于作者水平有限,書中難免有疏漏和不足之處,懇請讀者批評指正!
作者
2022年6月
劉洋 沈陽大學(xué)教授,博士生導(dǎo)師。中國科學(xué)院大學(xué)博士,北京大學(xué)博士后,英國曼徹斯特大學(xué)訪問學(xué)者,F(xiàn)任沈陽大學(xué)信息工程學(xué)院副院長,裝備制造綜合自動化重點(diǎn)實(shí)驗(yàn)室副主任。從事人工智能算法、復(fù)雜系統(tǒng)建模方向的研究工作。作為負(fù)責(zé)人先后主持、省級與市級科研項(xiàng)目10余項(xiàng),在學(xué)術(shù)期刊上發(fā)表SCI/EI檢索論文20余篇,出版英文專著1部,獲得發(fā)明專利40余項(xiàng)。
第1章智能優(yōu)化算法概述
1.1生物啟發(fā)式計(jì)算研究背景
1.2生物啟發(fā)式計(jì)算典型方法分析
1.2.1遺傳算法
1.2.2神經(jīng)網(wǎng)絡(luò)計(jì)算
1.2.3模糊計(jì)算
1.2.4蜂群優(yōu)化算法
1.2.5細(xì)菌覓食優(yōu)化
1.3生物啟發(fā)式計(jì)算的應(yīng)用與發(fā)展趨勢
1.4本章小結(jié)
第2章基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化
2.1人工蜂群算法的基本思想與流程
2.2多蜂群協(xié)同進(jìn)化機(jī)制
2.3層次型信息交流機(jī)制
2.3.1靜態(tài)拓?fù)浣Y(jié)構(gòu)交流機(jī)制
2.3.2動態(tài)拓?fù)浣Y(jié)構(gòu)交流機(jī)制
2.4層次型信息傳遞策略設(shè)計(jì)
2.5基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化優(yōu)化算法設(shè)計(jì)
2.5.1多蜂群協(xié)同進(jìn)化優(yōu)化算法模型
2.5.2多蜂群協(xié)同進(jìn)化優(yōu)化算法流程設(shè)計(jì)
2.6蜂群協(xié)同進(jìn)化算法性能測試與分析
2.6.1基于平面拓?fù)浣Y(jié)構(gòu)的單蜂群優(yōu)化算法測試
2.6.2基于層次型信息交流機(jī)制的多蜂群優(yōu)化算法測試
2.7本章小結(jié)
第3章基于生命周期的菌群覓食自適應(yīng)優(yōu)化
3.1人工細(xì)菌優(yōu)化算法的基本模型
3.1.1趨化行為
3.1.2繁殖與消亡
3.1.3遷移
3.2微生物種群演化動力學(xué)與優(yōu)化策略
3.2.1微生物種群演化動力學(xué)
3.2.2基于生命周期的菌群覓食自適應(yīng)優(yōu)化策略
3.3基于生命周期的菌群覓食自適應(yīng)優(yōu)化模型與算法流程
3.3.1優(yōu)化模型
3.3.2算法流程
3.4基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法性能分析
3.5本章小結(jié)
第4章面向聚類分析的MCABCFCM算法研究與應(yīng)用
4.1引言
4.2聚類算法現(xiàn)狀概述
4.3典型的模糊C均值算法
4.4MCABCFCM算法設(shè)計(jì)
4.5基于MCABCFCM算法的教學(xué)評價(jià)方法研究
4.5.1教學(xué)評價(jià)的影響因素
4.5.2教學(xué)評價(jià)數(shù)據(jù)的標(biāo)準(zhǔn)化
4.6本章小結(jié)
第5章基于LCBFA的多閾值圖像分割算法及在彩色圖像處理中的應(yīng)用研究
5.1引言
5.2彩色空間的轉(zhuǎn)換與多閾值圖像分割算法
5.2.1彩色空間的轉(zhuǎn)換
5.2.2多閾值圖像分割算法
5.3基于LCBFA的多閾值圖像分割算法
5.3.1圖像分割步驟
5.3.2彩色圖像分割
5.4基于BFA和LCBFA的多閾值圖像分割算法性能分析
5.5本章小結(jié)
第6章植物根系自適應(yīng)生長層級演化模型及算法
6.1植物根系優(yōu)化算法
6.1.1生長素模型
6.1.2趨向性
6.1.3分根
6.1.4側(cè)根隨機(jī)搜索
6.1.5根尖老化死亡
6.2植物根系層級演化交流模式
6.2.1同層級信息交流模式
6.2.2層級間信息交流模式
6.3植物根系自適應(yīng)生長層級演化算法
6.4HARFO算法性能測試
6.5本章小結(jié)
參考文獻(xiàn)