智能優(yōu)化算法：基于生物行為模型的案例分析與設(shè)計

第1章智能優(yōu)化算法概述
1.1生物啟發(fā)式計算研究背景
1.2生物啟發(fā)式計算典型方法分析
1.2.1遺傳算法
1.2.2神經(jīng)網(wǎng)絡(luò)計算
1.2.3模糊計算
1.2.4蜂群優(yōu)化算法
1.2.5細菌覓食優(yōu)化
1.3生物啟發(fā)式計算的應(yīng)用與發(fā)展趨勢
1.4本章小結(jié)
第2章基于層次型信息交流機制的多蜂群協(xié)同進化
2.1人工蜂群算法的基本思想與流程
2.2多蜂群協(xié)同進化機制
2.3層次型信息交流機制
2.3.1靜態(tài)拓撲結(jié)構(gòu)交流機制
2.3.2動態(tài)拓撲結(jié)構(gòu)交流機制
2.4層次型信息傳遞策略設(shè)計
2.5基于層次型信息交流機制的多蜂群協(xié)同進化優(yōu)化算法設(shè)計
2.5.1多蜂群協(xié)同進化優(yōu)化算法模型
2.5.2多蜂群協(xié)同進化優(yōu)化算法流程設(shè)計
2.6蜂群協(xié)同進化算法性能測試與分析
2.6.1基于平面拓撲結(jié)構(gòu)的單蜂群優(yōu)化算法測試
2.6.2基于層次型信息交流機制的多蜂群優(yōu)化算法測試
2.7本章小結(jié)
第3章基于生命周期的菌群覓食自適應(yīng)優(yōu)化
3.1人工細菌優(yōu)化算法的基本模型
3.1.1趨化行為
3.1.2繁殖與消亡
3.1.3遷移
3.2微生物種群演化動力學(xué)與優(yōu)化策略
3.2.1微生物種群演化動力學(xué)
3.2.2基于生命周期的菌群覓食自適應(yīng)優(yōu)化策略
3.3基于生命周期的菌群覓食自適應(yīng)優(yōu)化模型與算法流程
3.3.1優(yōu)化模型
3.3.2算法流程
3.4基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法性能分析
3.5本章小結(jié)
第4章面向聚類分析的MCABCFCM算法研究與應(yīng)用
4.1引言
4.2聚類算法現(xiàn)狀概述
4.3典型的模糊C均值算法
4.4MCABCFCM算法設(shè)計
4.5基于MCABCFCM算法的教學(xué)評價方法研究
4.5.1教學(xué)評價的影響因素
4.5.2教學(xué)評價數(shù)據(jù)的標準化
4.6本章小結(jié)
第5章基于LCBFA的多閾值圖像分割算法及在彩色圖像處理中的應(yīng)用研究
5.1引言
5.2彩色空間的轉(zhuǎn)換與多閾值圖像分割算法
5.2.1彩色空間的轉(zhuǎn)換
5.2.2多閾值圖像分割算法
5.3基于LCBFA的多閾值圖像分割算法
5.3.1圖像分割步驟
5.3.2彩色圖像分割
5.4基于BFA和LCBFA的多閾值圖像分割算法性能分析
5.5本章小結(jié)
第6章植物根系自適應(yīng)生長層級演化模型及算法
6.1植物根系優(yōu)化算法
6.1.1生長素模型
6.1.2趨向性
6.1.3分根
6.1.4側(cè)根隨機搜索
6.1.5根尖老化死亡
6.2植物根系層級演化交流模式
6.2.1同層級信息交流模式
6.2.2層級間信息交流模式
6.3植物根系自適應(yīng)生長層級演化算法
6.4HARFO算法性能測試
6.5本章小結(jié)
參考文獻