自然计算PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 自然计算类型 3

1.3 计算主义 6

1.4 群体智能 7

1.5 自然计算发展趋势与展望 9

参考文献 11

第2章 细菌觅食优化算法 13

2.1 起源和进展 13

2.2 原理与模型 13

2.2.1 基本思想 13

2.2.2 数学模型 14

2.2.3 算法流程 15

2.3 算法优化效果验证与分析 17

2.3.1 细菌觅食优化算法效果分析 17

2.3.2 模糊C均值聚类算法 24

2.3.3 基于细菌觅食算法的模糊C均值聚类算法 26

2.3.4 BF-FCM聚类算法效果分析 30

2.4 应用实例 32

2.4.1 BF-FCM算法在图像分割的应用 32

2.4.2 图像分割的性能评价指标 34

2.4.3 BF-FCM算法图像分割效果分析 35

参考文献 42

第3章 蜂群优化算法 43

3.1 起源和进展 43

3.2 原理与模型 44

3.2.1 基于繁殖原理的蜂群算法 44

3.2.2 蜜蜂采蜜原理的蜂群算法 46

3.2.3 蜂群算法特点 48

3.3 基于蜂群算法的函数优化 49

3.3.1 函数优化的问题描述 49

3.3.2 实验设计与结果分析 49

3.4 应用实例 54

3.4.1 蜂群算法用于无人机航迹规划 54

3.4.2 基于蜂群飞行机制的多无人机协同飞行 65

3.5 本章小结 77

参考文献 78

第4章 人工鱼群算法 80

4.1 引言 80

4.2 算法的改进 80

4.2.1 对算法参数的改进 80

4.2.2 基于鱼群行为的改进 80

4.2.3 混合优化算法 81

4.3 人工鱼群算法的基本原理 81

4.3.1 基本流程 81

4.3.2 人工鱼群算法描述 81

4.3.3 人工鱼群算法的优缺点 84

4.4 各参数对收敛性能影响的分析 84

4.4.1 视野范围 85

4.4.2 步长 86

4.4.3 拥挤度因子 87

4.4.4 人工鱼个体数目 89

4.5 改进的人工鱼群算法 90

4.5.1 基于步长和视野范围的改进 90

4.5.2 基于差分进化算子的改进 90

4.5.3 基于步长和差分进化算子的改进 91

4.5.4 仿真实验 93

4.5.5 算法性能评价 96

4.6 应用实例 111

4.6.1 人工鱼的行为规则 112

4.6.2 人工鱼行为规则的具体实现 114

4.6.3 基于鱼群集群行为的多UUV巡游策略的实现 115

4.6.4 基于鱼群觅食行为的多UUV搜寻目标策略 116

4.6.5 基于鱼群避障行为的多UUV避障策略 118

4.6.6 多水下无人潜航器巡游三维仿真及其可视化 121

4.7 本章小结 123

参考文献 123

第5章 蚁群算法 125

5.1 引言 125

5.2 蚁群路径规划原理 125

5.2.1 蚁群算法基本组织结构 125

5.2.2 基本蚁群算法的实现步骤 126

5.2.3 基本流程 127

5.3 数学模型 128

5.4 应用实例 129

5.4.1 基本蚁群算法参数对路径规划的影响 129

5.4.2 蚁群算法的参数取值方法 135

5.4.3 改进的蚁群算法 135

5.5 本章小结 143

参考文献 143

第6章 生物地理优化算法 145

6.1 引言 145

6.2 生物地理学与优化 145

6.2.1 起源 145

6.2.2 生物地理算法的迁移模型 147

6.2.3 基本的BBO的迁移操作 155

6.2.4 变异操作 158

6.2.5 优化问题测试 159

6.3 算法改进 163

6.3.1 BBOPSO算法介绍 163

6.3.2 差分生物地理优化算法 169

6.4 基于生物地理学的机器人路径规划 179

6.4.1 生物地理学路径规划算法 179

6.4.2 算法参数对路径规划的影响 179

6.5 改进的生物地理学优化算法 182

6.5.1 精英策略 182

6.5.2 降维机制 184

6.5.3 基于惯性算子的迁移操作 185

6.6 实验结果比较 187

6.7 算法评价 191

6.7.1 稳定性分析 192

6.7.2 误差率分析 193

6.7.3 规划时间分析 194

6.7.4 鲁棒性分析 195

6.8 多目标算法生物地理优化算法 196

6.9 理论分析 200

6.9.1 收敛性分析 200

6.9.2 仿真实验与结果分析 203

6.10 约束多目标机器人路径规划 214

6.10 .1 问题描述 215

6.10 .2 机器人路径规划的实现 216

6.10 .3 仿真结果分析 218

参考文献 221

第7章 磁性细菌优化算法 223

7.1 引言 223

7.2 趋磁性细菌基本的生物学概念 223

7.2.1 生物学原理 223

7.2.2 趋磁性细菌的生物学模型 225

7.2.3 趋磁性细菌优化算法 226

7.2.4 仿真结果 230

7.3 一种基于磁性细菌优化的功率谱算法 249

7.3.1 趋磁性细菌的生物学原理 249

7.3.2 PSMBA的程序 251

7.3.3 仿真结果 253

参考文献 271

第8章 Memetic算法 273

8.1 引言 273

8.2 起源和进展 273

8.2.1 算法的起源 273

8.2.2 算法研究进展 274

8.3 基本原理 275

8.3.1 基本思想 275

8.3.2 算法流程 276

8.3.3 Memetic算法的可选方案 278

8.3.4 Memetic算法的主要特点 280

8.4 应用实例 280

8.4.1 数字逻辑电路演化设计传统方法 281

8.4.2 用于数字逻辑电路演化设计的Memetic算法 282

8.4.3 实验验证与分析 287

8.5 较大规模电路演化实现 295

8.5.1 较大规模数字电路演化研究现状 296

8.5.2 基于电路映射分解方法的数字电路演化设计算法 296

8.5.3 实验验证与分析 301

8.6 本章小结 307

参考文献 307

附录 309