第1章 绪论 1
1.1 群智能计算基础 3
1.1.1 概述 3
1.1.2 最优化问题 3
1.1.3 计算复杂性与NP理论 4
1.1.4 群智能计算优化算法 6
1.2 国内外的发展现状及趋势 10
1.2.1 蚁群算法的发展概况 10
1.2.2 粒子群算法的发展概况 12
1.3 简洁式群智能计算优化算法 14
第2章 量化蚁群算法及其在旅行商问题中的应用 16
2.1 蚂蚁系统 17
2.1.1 状态转移规则与路径构建 18
2.1.2 信息素更新规则 19
2.2 量化蚁群算法 19
2.2.1 信息素的编码 20
2.2.2 信息素的更新规则 20
2.2.3 算法流程 21
2.3 实验结果与分析 22
2.3.1 基于收敛结果与迭代次数的比较 24
2.3.2 基于收敛结果与运行时间的实验结果比较 26
2.3.3 基于相同收敛结果与不同迭代次数比较 27
2.3.4 基于相同迭代次数与不同收敛结果的比较 29
第3章 简洁式猫群算法及其在灰度图像切割中应用 31
3.1 猫群算法与虚拟种群的取样机制 33
3.1.1 猫群算法 33
3.1.2 虚拟种群的取样机制 36
3.1.3 扰动向量更新规则 38
3.2 简洁式猫群算法 39
3.2.1 初始化与扰动向量更新 39
3.2.2 搜寻模式更新规则 41
3.2.3 跟踪模式更新规则 41
3.2.4 算法实现过程 42
3.3 实验结果及其分析 43
3.3.1 算法运行空间比较 44
3.3.2 节省运行空间算法收敛结果比较 45
3.3.3 cCSO与基于种群的优化算法收敛结果比较 49
3.3.4 基于迭代次数的收敛结果比较 52
3.3.5 实验结果分析 53
3.4 案例分析 53
3.4.1 多阈值法与适应度函数设计 54
3.4.2 图像切割效果 56
3.4.3 应用案例小结 61
第4章 基于Γ分布的简洁式猫群算法及其在音乐水印嵌入中的应用 63
4.1 基于Γ分布的扰动向量设计 64
4.1.1 扰动向量设计 64
4.1.2 扰动向量的更新规则 66
4.1.3 虚拟种群的取样机制 66
4.2 基于Γ分布的简洁式猫群算法 67
4.2.1 算法的初始化 67
4.2.2 搜寻模式的更新规则 68
4.2.3 跟踪模式的更新规则 70
4.2.4 算法流程 70
4.3 实验结果与分析 71
4.3.1 算法运行空间比较 73
4.3.2 节省运行空间的算法实验结果比较 73
4.3.3 基于种群的相关算法和简洁式猫群算法之间的实验结果比较 80
4.3.4 基于相同收敛结果下迭代次数的比较 83
4.3.5 基于标准测试函数的不同维度下的实验结果统计分析 84
4.3.6 实验结果小结 85
4.4 应用案例：音频水印嵌入 86
4.4.1 基于优化的水印嵌入与提取策略 87
4.4.2 实验结果与分析 90
4.4.3 案例分析小结 96
第5章 基于简洁式猫群算法与支持向量机的人脸表情识别与优化 97
5.1 基于活动基模型的分类器训练基础 98
5.1.1 方块图中的眼睛与嘴唇的捕捉 98
5.1.2 模型表示：活动基模型 99
5.1.3 模型训练：Shared Sketch算法 100
5.1.4 基模板构建 101
5.1.5 特征向量 102
5.1.6 支持向量机 102
5.1.7 简洁式猫群算法 105
5.2 cCSO-SVM策略 107
5.3 实验结果与分析 108
参考文献 111
附录 124