群智能进化算法及其应用

　　《群智能进化算法及其应用》全面翔实地阐述了人工蜂群算法、群集蜘蛛优化算法、共生生物搜索算法、离子运动算法、引力搜索算法及海豚群算法的原理，给出了基于MATLAB语言的实现方法，针对静态单目标优化问题、静态多目标优化问题、动态单目标优化问题提出了多种改进算法和实现策略，并求解了无线多媒体传感器网络全目标覆盖等实际问题。
　　《群智能进化算法及其应用》可供高等院校计算机科学、人工智能、自动控制和其他相关专业高年级本科生、研究生和教师阅读，也可作为群智能进化算法爱好者研究、学习的参考书。

第1章 绪论
1．1 群智能进化算法的发展
1．1．1 群体启发算法
1．1．2 进化启发算法
1．1．3 物理启发算法
1．2 优化问题概述
1．3 静态单目标优化问题
1．3．1 静态单目标无约束优化问题标准测试函数及性能评价标准
1．3．2 静态单目标约束优化问题标准测试函数及性能评价标准
1．4 静态多目标优化问题
1．4．1 静态多目标无约束优化问题标准测试函数及性能评价标准
1．4．2 静态多目标约束优化问题标准测试函数及性能评价标准
1．5 动态优化问题
1．5．1 动态单目标优化问题的标准测试函数及性能评价标准
1．5．2 动态多目标优化问题的标准测试函数及性能评价标准

第2章 人工蜂群算法
2．1 人工蜂群算法的生物学背景
2．2 人工蜂群算法的基本原理及操作流程
2．2．1 人工蜂群算法的基本原理
2．2．2 人工蜂群算法的操作流程
2．3 人工蜂群算法的特点和收敛性证明
2．3．1 人工蜂群算法的特点
2．3．2 人工蜂群算法的收敛性证明
2．4 基于MATLAB语言的人工蜂群算法实现
2．5 面向静态单目标无约束优化的改进人工蜂群算法
2．5．1 改进人工蜂群算法的基本原理
2．5．2 快速人工蜂群算法的操作流程
2．5．3 快速人工蜂群算法的复杂度分析
2．5．4 实验仿真与结果分析
2．6 面向静态多目标约束优化的改进人工蜂群算法
2．6．1 静态约束多目标人工蜂群算法的基本原理
2．6．2 静态约束多目标人工蜂群算法的流程与复杂度分析
2．6．3 实验仿真与结果分析

第3章 群集蜘蛛优化算法
3．1 群集蜘蛛优化算法的基本原理及操作流程
3．1．1 群集蜘蛛优化算法的基本原理
3．1．2 群集蜘蛛优化算法的操作流程
3．2 基于MATLAB语言的群集蜘蛛优化算法的实现
3．3 面向静态单目标无约束优化问题的改进群集蜘蛛优化算法
3．3．1 改进群集蜘蛛优化算法的基本原理
3．3．2 基于动态学习策略的群集蜘蛛优化算法的操作流程
3．3．3 实验仿真与结果分析
3．4 面向静态多目标无约束优化问题的群集蜘蛛优化算法
3．4．1 多目标群集蜘蛛优化算法的基本原理
3．4．2 实验仿真与结果分析

第4章 共生生物搜索算法
4．1 共生生物搜索算法的基本原理及操作流程
4．1．1 共生生物搜索算法基本原理
4．1．2 共生生物搜索算法的操作流程
4．2 基于MATLAB语言的共生生物搜索算法的实现
4．3 面向静态单目标无约束优化问题的基于子种群拉伸操作的
精英共生生物搜索算法
4．3．1 基于子种群拉伸操作的精英共生生物搜索算法的基本原理
4．3．2 基于子种群拉伸操作的精英共生生物搜索算法的操作流程
4．3．3 实验仿真与结果分析
4．4 面向静态单目标无约束优化问题的基于混合策略的改进
共生生物搜索算法
4．4．1 基于混合策略的共生生物搜索算法的基本原理
4．4．2 基于混合策略的共生生物搜索算法的操作流程
4．4．3 实验仿真与结果分析
4．5 面向静态单目标约束优化问题的混合约束共生生物搜索算法
4．5．1 约束处理技术
4．5．2 混合约束共生生物搜索算法的基本原理
4．5．3 混合约束共生生物搜索算法的操作流程
4．5．4 实验仿真与结果分析

第5章 离子运动算法
5．1 离子运动算法的基本原理
5．2 基于MATLAB的离子运动算法的实现
5．3 面向静态单目标无约束优化问题的改进离子运动算法
5．3．1 改进离子运动算法的基本原理
5．3．2 改进离子运动算法的操作流程
5．3．3 实验仿真与结果分析
5．4 面向动态单目标优化的改进离子运动算法
5．4．1 基于记忆策略的动态离子运动算法的基本原理
5．4．2 DIM0-MS算法的操作流程
5．4．3 实验仿真与结果分析

第6章 其他新型群智能进化算法
6．1 引力搜索算法的基本原理及操作流程
6．1．1 引力搜索算法的基本原理
6．1．2 引力搜索算法的操作流程
6．2 引力搜索算法的特点和性能分析
6．2．1 引力搜索算法的特点
6．2．2 现有引力搜索算法的性能分析
6．3 基于MATLAB语言的引力搜索算法实现
6．4 面向静态单目标无约束优化问题的改进引力搜索算法
6．4．1 基于权重函数分段的引力搜索算法的基本原理
6．4．2 基于权重函数分段的引力搜索算法的操作流程
6．4．3 实验仿真与结果分析
6．5 海豚群算法的基本原理及操作流程
6．5．1 海豚群算法的基本原理
6．5．2 海豚群算法的操作流程
6．6 基于MATLAB语言的海豚群算法的实现
6．7 面向静态单目标无约束优化问题的跳跃海豚群算法
6．7．1 改进的海豚群算法的基本原理
6．7．2 跳跃海豚群算法的操作流程
6．7．3 实验仿真与结果分析
……
第7章 群智能进化算法的典型应用
主要参考文献
附录A
附录B
附录C
附录D
附录E

　　群智能进化算法是人工智能的一个重要分支，起源于对人工生命的研究，其基本思想是模拟自然界生物的群体行为来构造随机优化算法，将搜索空间中的点模拟为自然界中的个体，遵从达尔文进化论的优胜劣汰、适者生存的自然法则，即目标函数值较为优秀的个体逐渐取代目标函数值较差的个体，逐步完成迭代寻优过程。目前，群智能进化算法所处理的优化问题主要包括静态单目标无约束优化问题、静态单目标约束优化问题、静态多目标无约束优化问题、静态多目标约束优化问题、动态单目标优化问题、动态多目标优化问题、多峰函数优化问题等。群智能进化算法所展现出的良好的求解效果使其受到国内外研究者越来越多的关注，现已被成功地应用于工程实践的多个领域，显示出广阔的应用前景。
　　本书共分7章。第1章归纳总结了群智能进化算法的发展历程，以及各种典型优化问题及评价标准。第2章～第6章分别介绍了人工蜂群算法、群集蜘蛛优化算法、共生生物搜索算法、离子运动算法、引力搜索算法和海豚群算法，内容上既包括相关原理的基本介绍，又包括MATLAB具体仿真方法的介绍，同时针对静态单目标无约束优化问题、静态单目标约束优化问题、静态多目标无约束优化问题、静态多目标约束优化问题、动态单目标优化问题提出了各种改进算法和实现策略，并进行了实验仿真。第7章全面总结了群智能进化算法的应用领域，并针对无线多媒体传感器网络的二维全目标覆盖问题、三维全目标覆盖问题及异构无线网络接入选择问题，给出基于群智能进化算法的解决方案。希望本书的出版能对群智能进化算法的研究和推广起到一定的积极作用。
　　本书的主要特色如下。
　　1）将目前较为新颖的6种群智能进化算法归纳总结于一体，翔实地介绍了相关基本理论，便于读者理解和融会贯通。
　　2）归纳典型的6类优化问题，针对各种优化问题，给出基于群智能进化算法的改进思想和实现方案，并介绍实验测试方法，充分启发读者对其进行深入了解。
　　3）对于每一个群智能进化算法都给出基于MATLAB语言的实现过程，便于读者动手实践。
　　4）针对通信领域当前较为热门的研究问题，给出基于群智能进化算法的解决方案，便于读者实际应用，并加深对算法的理解。
　　本书的主要内容是在东北电力大学教师王艳娇的研究成果基础上完成的，由其承担主要撰写工作，并邀请了其他高校教师参与本书部分内容的撰写。其中，东北林业大学工程技术学院刁鹏飞老师在算法仿真方面做了大量工作，撰写了本书的2.4节、3.2节、4.2节、5.2节、6.3节及6.6节；北华大学贾雁飞老师为7.1节的撰写做出了贡献。同时，在撰写期间得到了许多人的支持，硕士研究生马壮、马春蕾、陶欢欢、李晓杰、汪超、史新梦等参与了部分章节的整理校对工作，硕士研究生杜天琳、车相阳、江新天、孙晓楠等参与了全部书稿的文字校对修改工作，确保了本书的高水平、高质量。特别感谢作者父母及家人的付出和理解，感谢导师的精心指导和关心。此外，本书还参考引用了国内外大量相关学术论文和著作，在此一并表示衷心的感谢。
　　本书的出版得到了国家自然科学基金青年项目（项目编号：615 01107、61603073）、吉林省教育厅“十三五”科学技术研究项目（吉教科合字2016第95号）、吉林省吉林市科技局项目（项目编号：201750219、201750227）的资助，在此表示衷心的感谢。
　　由于作者水平有限，书中不妥之处在所难免，恳请专家和广大读者批评指正。