第一部分 导论 3
第1章 群智能的生物学基础&Madeleine Beekman,Gregory A.Sword,Stephen J.Simpson 3
1.1 概述 3
1.2 分散式决策 8
1.2.1 在何处搜寻 8
1.2.2 探索与开发 11
1.2.3 寻找新巢穴 12
1.3 群体迁移 18
1.3.1 迁移中的蜜蜂 20
1.3.2 蝗虫 21
1.3.3 摩门蟋蟀 28
1.4 结语 34
参考文献 35
第2章 群智能优化&Christian Blum,Xiaodong Li 44
2.1 概述 44
2.2 蚁群优化 46
2.2.1 蚁群优化的起源 47
2.2.2 蚁群优化：整体描述 51
2.2.3 最近的趋势 57
2.3 粒子群优化 59
2.3.1 粒子群优化：简介 60
2.3.2 最近的趋势 66
2.4 群智能在优化中应用的更多实例 71
2.4.1 受劳力划分启发的应用 71
2.4.2 基于蚂蚁的聚类和排序 72
2.4.3 其他应用 72
参考文献 73
第3章 群机器人&Erol Sahin,Sertan Girgin,Levent Bayindir,Ali Emre Turgut 88
3.1 概述 88
3.2 什么是群机器人 88
3.2.1 系统级别特性 89
3.2.2 突出特性 89
3.2.3 协作机制 90
3.3 研究方向 90
3.3.1 设计 91
3.3.2 建模和分析 91
3.3.3 机器人 93
3.3.4 问题 96
3.4 结论 97
参考文献 98
第4章 受昆虫社会集体行为启发的下一代互联网路由协议：概述&Muddassar Farooq,Gianni A.Di Caro 102
4.1 概述 102
4.1.1 本章的组织 104
4.2 网络路由概论和挑战 105
4.3 网络路由协议的分类特性 108
4.4 从昆虫社会到网络路由协议 111
4.4.1 蚁群中的最短路径行为和元启发蚁群优化 111
4.4.2 从蜂群中得到的有用想法 113
4.5 蚁群优化路由协议 114
4.5.1 总体结构和ACO路由协议的属性 114
4.5.2 AutNet：无连接网络的主要参考算法 116
4.5.3 ABC：面向连接网络的主要参考算法 120
4.5.4 有线无连接网络的路由算法 121
4.5.5 有线面向连接网络的路由算法 126
4.5.6 QoS网络路由算法 128
4.5.7 无线移动Ad Hoc网络算法 131
4.6 受蜂群行为启发的路由协议 136
4.6.1 有线无连接网络的蜂窝算法 136
4.6.2 其他基于蜂窝的有线网络算法 142
4.6.3 无线移动Ad-hoc网络的蜜蜂Ad-hoc算法 143
4.6.4 MANET中其他基于蜜蜂Ad-hoc的算法 148
4.7 结论以及对SI路由的未来展望 148
参考文献 152
第二部分 应用 165
第5章 演化、自组织和群机器人&Vito Trianni,Stefano Nolfi,Marco Dorigo 165
5.1 概述 165
5.2 自组织行为的演化设计 166
5.2.1 设计问题 167
5.2.2 自组织行为的演化 168
5.2.3 文献中的群体演化机器人学 169
5.3 演化群组机器人的研究 170
5.3.1 群机器人实验工具：群机器人 170
5.3.2 同步 172
5.3.3 协调运动 179
5.3.4 避开孔洞 185
5.4 结语 189
参考文献 191
第6章 粒子群动态优化问题&Tim Blackwell,Jürgen Branke,Xiaodong Li 195
6.1 概述 195
6.2 粒子群优化 196
6.3 解决动态环境中的挑战 198
6.3.1 变化检测 198
6.3.2 存储更新 198
6.3.3 多样化消失问题 198
6.3.4 重多样化 199
6.3.5 排斥 199
6.3.6 动态网络拓扑 200
6.4 多群和形态 201
6.4.1 量子粒子 201
6.4.2 多群PSO 203
6.4.3 基于形态的PSO 206
6.4.4 改进局部收敛 209
6.5 实验结果 211
6.5.1 移动峰值基准和实验设置 211
6.5.2 优化群型号 212
6.5.3 MPSO中的量子粒子 213
6.5.4 SPSO中的量子分布 214
6.5.5 调整群数量 216
6.5.6 比较MPSO和SPSO 217
6.6 总结 218
参考文献 219
第7章 一种基于代理的自组织生产方法&Thomas Seidel,Jeanette Hartwig,Richard L.Sanders,Dirk Helbing 222
7.1 概述 222
7.1.1 问题的定义 224
7.1.2 本章的构成 224
7.2 与以前文献的联系 225
7.2.1 材料处理元件是生产网络的一部分 225
7.2.2 传输和缓冲系统基于代理的模型 225
7.2.3 作为“社会”行为基础的相互作用 226
7.2.4 运输和缓冲模型的组成和性能 227
7.3 模型组成概述 228
7.3.1 对通道预期循环时间的动态预测 229
7.3.2 通道中可能障碍的动态预测 231
7.3.3 带回转功能的寻径和障碍最小缓存自动检测 233
7.3.4 初始运动 234
7.3.5 下一通道的避障选择 236
7.4 传送和缓冲系统之间相关性的数学抽象 238
7.5 模型系统中元件运动的描述 240
7.6 仿真环境中模型的实现 241
7.7 寻径作为元件之间相互作用的基础 242
7.7.1 权重参数βpath的改变导致从最快路径的偏离 242
7.7.2 按预期到达目的地所需时间Z的改变导致从最快路径的偏离 244
7.7.3 阻滞 245
7.7.4 团结协作与各自为战 246
7.7.5 一般特征 248
7.8 讨论 249
参考文献 251
第8章 有机计算与群智能&Daniel Merkel,Martin Middendorf,Alexander Scheidler 256
8.1 概述 256
8.2 有机计算系统的实例 258
8.3 群控制应激 260
8.3.1 蚂蚁群聚 261
8.3.2 群有效性和聚类方法 262
8.3.3 反聚类 264
8.4 带移动元素的OC系统 270
8.4.1 细胞自动机模型 271
8.4.2 移动模型 272
8.4.3 简单环境下的实验 274
8.4.4 复杂环境下的实验 276
8.4.5 总结 278
8.5 最终评语 278
参考文献 279