第一篇 导 引篇 3
第1章 绪论 3
1.1引言 3
1.2群集智能行为的生物原型 5
1.2.1蚁群觅食 5
1.2.2鸟群觅食 6
1.2.3蚁群劳动分工 6
1.2.4蚁群墓地构造 7
1.2.5蜂群筑巢 7
1.3群集智能研究进展 8
1.3.1群集智能系统结构 9
1.3.2群集智能模型与算法 11
1.3.3群集智能典型应用 15
1.3.4群集智能发展展望 18
1.4群集智能特性分析及其对复杂系统研究的意义 20
1.4.1群集智能特性分析 20
1.4.2群集智能对复杂系统研究的意义 23
1.5本书的主要内容 25
1.6本书的篇章结构 28
参考文献 30
第二篇 主体篇 39
第2章 群集智能优化的算法理论与算法改进 39
2.1群集智能优化概述 39
2.2群集智能优化算法及其理论分析 41
2.2.1微粒群算法 41
2.2.2蚁群算法 44
2.2.3人工蜂群算法 45
2.2.4微粒群算法的理论分析 47
2.3微粒群算法的稳定性 48
2.3.1生物学背景 48
2.3.2带被动c-聚集的微粒群算法 50
2.3.3近邻个体交互微粒群算法 52
2.3.4近邻个体交互微粒群算法的李雅普诺夫稳定性分析 55
2.3.5带主动c-聚集的微粒群算法 58
2.3.6 PSOAC算法的一致渐近稳定性分析 59
2.3.7基于群体决策信息的微粒群算法 70
2.4最大速度上限的改进策略 73
2.4.1最大速度常数的研究现状 73
2.4.2最大速度上限的作用 74
2.4.3最大速度上限的随机策略 76
2.5具有确定认知策略的混合微粒群算法 79
2.5.1标准微粒群算法的局部收敛性能分析 79
2.5.2具有确定认知策略的混合微粒群算法原理 83
2.5.3非稳定线性系统逼近问题 90
2.6自适应分工微粒群算法 91
2.6.1微粒群算法中的自适应分工原理 91
2.6.2局部环境因子和种群自适应分工策略 92
2.6.3 ADPSO算法的结构与实现 94
2.6.4ADPSO算法的性能分析 95
2.7群集智能优化方法的综合应用实例 99
2.7.1问题的描述 99
2.7.2并行公差优化设计问题的模型转换 101
2.7.3面向并行公差优化设计的混合群集智能算法 103
2.7.4综合求解实例 106
2.8小结 108
参考文献 109
第3章 基于群集智能的复杂系统共进化 115
3.1引言 115
3.2复杂系统的共进化机制分析 117
3.2.1生物系统中的进化与共进化 117
3.2.2基于遗传算法的共进化机制 118
3.2.3群集智能中的共进化机制 120
3.2.4复杂系统共进化的研究思路 121
3.3共进化问题求解的基本原理 122
3.3.1复杂问题求解的一般过程 122
3.3.2“问题空间-算子空间-解空间”的共进化求解原理 123
3.3.3问题空间与解空间的共进化 126
3.3.4算子空间与解空间的共进化 126
3.3.5问题空间与算子空间的共进化 128
3.4基于群集智能的多目标共进化优化方法 129
3.4.1多目标优化问题及其求解分析 129
3.4.2面向离散变量的CACSM算法 133
3.4.3面向连续变量的MOPSO算法 137
3.5基于群集智能的多群体共进化优化方法 143
3.5.1问题求解背景 143
3.5.2面向问题的多群体共进化蚁群优化方法 145
3.5.3问题空间-解空间共进化优化的应用实例 154
3.6小结 158
参考文献 159
第4章 蚁群劳动分工建模与仿真 161
4.1引言 161
4.1.1蚁群劳动分工模型研究概述 161
4.1.2应用背景分析 163
4.2蚁群劳动分工模型 165
4.2.1群体动力学模型 165
4.2.2固定响应阈值模型 166
4.2.3时变响应阈值模型 169
4.2.4分析说明 172
4.3多任务蚁群劳动分工建模与仿真 173
4.3.1研究背景 173
4.3.2多任务蚁群劳动分工模型的设计与实现 174
4.3.3供应链式虚拟企业仿真 176
4.3.4组织虚拟式虚拟企业仿真 180
4.3.5分析讨论 183
4.4多状态蚁群劳动分工建模与仿真 185
4.4.1 研究背景 185
4.4.2多状态蚁群劳动分工模型的设计与实现 187
4.4.3基于多状态蚁群劳动分工模型的仿真实例 188
4.5多项目调度蚁群劳动分工模型建立及其求解 193
4.5.1多项目调度问题描述 193
4.5.2多项目调度蚁群劳动分工模型的设计与实现 195
4.5.3基于多项目调度蚁群劳动分工模型的仿真实例 201
4.6基于精英策略的蚁群劳动分工模型优化 204
4.6.1研究思路 204
4.6.2基于精英策略的蚁群劳动分工模型优化方法与实现 205
4.7小结 207
参考文献 208
第5章 群集智能作用下的结构涌现 211
5.1引言 211
5.2基于蚁群墓地构造的聚类模型及其应用 214
5.2.1基于蚁群墓地构造的聚类模型 214
5.2.2蚁群聚类模型的并行化及有关说明 218
5.2.3基于蚁群聚类模型的机构轨迹综合 220
5.3基于蜂群筑巢的实体结构涌现模型及其应用 225
5.3.1社会性昆虫群体的筑巢行为 225
5.3.2基于群集智能的筑巢模型及其实现算法 226
5.3.3基于筑巢模型的结构涌现仿真分析 228
5.4基于元胞自动机的实体结构涌现模型及其应用 231
5.4.1基于元胞自动机的连续结构涌现模型 232
5.4.2基于元胞自动机的连续结构涌现模型的相关性能分析 239
5.4.3基于连续结构涌现模型的拓扑优化设计实例 243
5.5基于社会网络的虚拟结构涌现模型及其应用 246
5.5.1社会网络结构涌现的有关说明 246
5.5.2社会网络的结构涌现 247
5.5.3社会网络中社区结构涌现的实例分析 252
5.6小结 256
参考文献 256
第三篇 扩展篇 261
第6章 群集智能的新发展——社会情感计算 261
6.1引言 261
6.2社会情感优化算法概述 262
6.2.1社会情感理论 262
6.2.2标准社会情感优化算法 264
6.3基于情感强度第三定律的社会情感优化算法 266
6.4引入情绪调整策略的小世界社会情感优化算法 275
6.4.1算法思路 275
6.4.2数值实验仿真 277
6.4.3人工神经网络的训练 282
6.5社会情感优化算法的适应值预测策略 287
6.5.1 引言 287
6.5.2基于适应值的加权平均预测思想 288
6.5.3基于适应值的加权平均预测公式 289
6.5.4预测的比例讨论 291
6.6小结 291
参考文献 292
第7章 群集智能与人工神经网络和人工免疫系统的关系 295
7.1引言 295
7.2人工神经网络与人工免疫网络概述 296
7.2.1人工神经网络生物原型与算法 296
7.2.2人工免疫系统生物原型与算法 298
7.3群集智能与人工神经网络的相似性 305
7.3.1系统结构的相似性 306
7.3.2学习机制的相似性 307
7.3.3反馈机制的对比分析 308
7.3.4问题求解的对比分析 309
7.4群集智能与人工免疫系统的关联性 315
7.4.1相似性分析 315
7.4.2差异性分析 319
7.4.3问题求解的对比分析 322
7.5小结 331
参考文献 332
第8章 人工蜂群算法与人工免疫网络系统的融合 337
8.1引言 337
8.2人工蜂群算法概述 338
8.2.1基本人工蜂群算法 338
8.2.2人工蜂群算法模型 340
8.3人工蜂群算法与人工免疫算法的融合机理 341
8.4混合算法在工程约束优化参数设计中的应用 344
8.4.1约束优化问题的数学模型 344
8.4.2仿真实验 345
8.4.3仿真结果分析 348
8.5具有多峰特性的多项目调度问题的混合算法求解 350
8.5.1问题背景 350
8.5.2 MRCMPSP问题数学模型及其约束简化 351
8.5.3混合算法对MRCMPSP问题的求解 357
8.5.4数值实例 359
8.6小结 361
参考文献 361
索引 365
后记 370