生物启发计算 个体、群体、群落演化模型与方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

生物启发计算 个体、群体、群落演化模型与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1从仿生学到生物启发计算1

1.2生物启发计算与复杂适应系统4

1.3生物启发计算的主要研究分支5

1.4生物启发计算研究的局限性6

参考文献7

第2章 生物启发计算研究综述8

引言8

2.1生物启发计算的实现模式概述8

2.2生物启发计算模式综述9

2.2.1遗传算法10

2.2.2粒子群优化11

2.2.3蚁群优化12

2.2.4人工蜂群算法14

2.2.5细菌觅食算法16

2.2.6群搜索算法17

2.2.7 DNA计算19

2.2.8自组织迁移算法19

2.2.9膜计算20

2.2.10元胞自动机20

2.2.11神经网络21

2.2.12人工免疫系统23

2.3生物启发计算的应用与发展趋势24

2.3.1自然计算应用领域综述24

2.3.2应用分析与展望28

参考文献29

第3章 理论基础与统一模型33

引言33

3.1生物进化论与优化33

3.1.1优胜劣汰—生存竞争33

3.1.2自适应与效率35

3.2共生进化论与种群动力学37

3.2.1共生与协同进化37

3.2.2多种群共生协同进化的动力学描述41

3.3复杂系统与涌现42

3.3.1复杂适应系统与生物进化42

3.3.2生物进化的复杂系统建模45

3.4生物启发计算的统一框架模型48

3.4.1生物启发计算模式的统一框架理念49

3.4.2个体一群体一群落：生物启发计算模式的总体形式化描述51

3.4.3环境55

参考文献67

第4章 生物个体行为模式与自适应优化方法70

引言70

4.1自然进化中的个体行为模式70

4.1.1生物个体的觅食行为分类70

4.1.2适应性主体74

4.1.3效率与最优觅食理论77

4.2基于生物个体行为的计算模式设计78

4.2.1基于生物个体行为的统一优化框架78

4.2.2基于生物个体行为的基本操作79

4.3生物个体建模与仿真分析83

4.3.1生物系统个体的形式化定义83

4.3.2典型生物个体行为的建模与仿真分析84

4.3.3个体环境间作用关系描述与规则模型88

4.4细菌自适应觅食优化算法91

4.4.1算法的基本思想与流程91

4.4.2算法的形式化描述94

4.4.3 ABFO算法实现步骤95

4.4.4算法效能分析95

4.5植物根系自适应生长优化算法102

4.5.1算法的基本思想102

4.5.2算法的形式化描述104

4.5.3算法流程105

4.5.4算法效能分析105

参考文献121

第5章 生物种群信息交流模式与生命周期群搜索策略125

引言125

5.1自然界中单一物种群体内部的信息交流与协作模式125

5.1.1生物种群125

5.1.2信息交流126

5.1.3分工协作与分布式控制128

5.2基于生物群体行为的计算模式设计130

5.2.1基于生物群体行为的统一优化框架130

5.2.2基于生物群体行为的基本操作131

5.3生物种群建模与仿真分析134

5.3.1生物系统种群的形式化定义134

5.3.2种群内个体通信模型137

5.3.3任务分工141

5.3.4种群演化模型144

5.4基于生命周期和社会学习的细菌觅食算法及其性能分析149

5.4.1算法的基本思想与流程149

5.4.2算法的形式化描述152

5.4.3算法性能分析153

5.5生命周期群搜索优化算法及其性能分析159

5.5.1算法的基本思想与流程159

5.5.2算法的形式化描述160

5.5.3实验设置162

5.5.4算法性能分析：无约束函数162

5.5.5算法性能分析：有约束函数170

参考文献174

第6章 生物群落演化模式与优化算法178

引言178

6.1生物群落进化中的种群演化模式178

6.1.1生物群落的层次性信息网络拓扑结构178

6.1.2生物群落内种群共生模式的多型性179

6.1.3生物群落内种群的增长、迁徙和消亡模式180

6.2基于生物群落演化的计算模式设计182

6.2.1基于生物群落演化的统一优化框架182

6.2.2基于生物群落演化的基本操作183

6.3生物群落建模与仿真分析184

6.3.1生物系统群落的形式化定义184

6.3.2群落拓扑结构形式化定义185

6.3.3基于不同种群关系生物群落演化建模与仿真186

6.4基于生物群落演化的优化模型与算法实例设计193

6.4.1协同进化算法的发展现状193

6.4.2多群体协同进化统一模型194

6.4.3多种群共生协同进化粒子群优化算法195

6.4.4算法性能分析198

6.4.5基于MSPSO的RFID网络读写器调度203

6.5多种群多目标人工蜂群算法211

6.5.1算法基本思想与流程211

6.5.2算法的形式化描述212

6.5.3算法性能分析213

参考文献221

第7章 评注与展望224

引言224

7.1理论基础研究展望224

7.1.1有关生物启发计算的有效性研究224

7.1.2有关生物启发计算的收敛性研究225

7.1.3有关生物启发计算方法的评价标准226

7.2有关算法设计研究展望227

7.2.1小生境层面的有关算法设计227

7.2.2动态环境层面的有关算法设计227

7.3有关生物启发式计算应用研究展望228

7.3.1人工大脑228

7.3.2进化硬件229

7.3.3纳米分子生物229

7.3.4虚拟生物230

7.3.5云计算230

参考文献231

附录A 标准测试函数232

A.1单目标无约束232

A.2单目标有约束236

A.3多目标无约束241

A.4多目标有约束246

拓展阅读249