123,123

內(nèi)容簡(jiǎn)介

　　群智能算法是一類模擬生物群體行為的隨機(jī)優(yōu)化算法，該類算法模擬了群體中個(gè)體之間存在的交流協(xié)作現(xiàn)象，使得群智能算法與傳統(tǒng)優(yōu)化方法相比在尋優(yōu)性能方面實(shí)現(xiàn)了質(zhì)的突破。蝙蝠算法（Bat Algorithm， BA）作為一種新興的群智能優(yōu)化算法，由于其參數(shù)設(shè)置少、操作簡(jiǎn)單、編程易于實(shí)現(xiàn)等特點(diǎn)，受到了國(guó)內(nèi)外眾多學(xué)者的青睞。然而，BA算法也存在群智能算法的普遍缺陷，算法存在早熟現(xiàn)象，尋優(yōu)性能有待進(jìn)一步提高，BA算法的收斂性及穩(wěn)定性等問(wèn)題需進(jìn)一步完善。對(duì)此，本書以BA算法為主要研究對(duì)象，在對(duì)BA算法的收斂性、穩(wěn)定性進(jìn)行有效分析的基礎(chǔ)上，提出了改進(jìn)收斂速度和精度的BA算法，并將改進(jìn)算法在圖像分割中進(jìn)行了有效驗(yàn)證。

作者簡(jiǎn)介

　　陳思，女，中共黨員，陜西漢中人。博士畢業(yè)于西北工業(yè)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，應(yīng)用數(shù)學(xué)專業(yè)。目前就職于西安石油大學(xué)，主要從事人工智能算法的研究，具體研究方向包括群智能優(yōu)化算法及其應(yīng)用，機(jī)器學(xué)習(xí)，圖形圖像處理等。曾獲國(guó)家留學(xué)基金委資助赴加拿大公派留學(xué)，在阿爾伯塔大學(xué)計(jì)算機(jī)學(xué)院進(jìn)行博士研究生聯(lián)合培養(yǎng)，研究方向?yàn)橛?jì)算機(jī)視覺(jué)。

圖書目錄

第1章緒論1
1.1 引言1
1.2 群智能優(yōu)化算法4
1.3 蝙蝠算法7
1.4 蝙蝠算法的國(guó)內(nèi)外研究現(xiàn)狀11
1.5 蝙蝠算法有待進(jìn)一步研究的問(wèn)題15
第2章蝙蝠算法的收斂性及穩(wěn)定性分析17
2.1 基于動(dòng)態(tài)系統(tǒng)方法的BA收斂性及穩(wěn)定性分析17
2.2 基于隨機(jī)過(guò)程方法的BA收斂性分析32
2.3 本章小結(jié)38
第3章提升收斂性能的改進(jìn)蝙蝠算法40
3.1 基于隨機(jī)慣性權(quán)重學(xué)習(xí)機(jī)制的改進(jìn)40
3.2 基于時(shí)變慣性權(quán)重學(xué)習(xí)機(jī)制的改進(jìn)45
3.3 本章小結(jié)54
第4章融合自適應(yīng)多普勒策略及動(dòng)態(tài)權(quán)重
優(yōu)化策略的蝙蝠算法55
4.1 SDDW-BA描述55
4.2 SDDW-BA的收斂性分析60
4.3 SDDW-BA的時(shí)間復(fù)雜度分析61
4.4 數(shù)值實(shí)驗(yàn)與結(jié)果分析63
4.5 本章小結(jié)77
第5章具有量子行為的蝙蝠算法78
5.1 量子行為BA（QBA）78
5.2 QBA的收斂性分析84
5.3 QBA核心參數(shù)的控制分析87
5.4 基于能量函數(shù)及跳躍變異機(jī)制的QBA（EFJM-QBA）99
5.5 自適應(yīng)預(yù)判變異及頻率優(yōu)化協(xié)同作用的QBA（APMQ-QBA）109
5.6 本章小結(jié)132
第6章改進(jìn)蝙蝠算法的應(yīng)用133
6.1 SDDW-BA在多閾值圖像分割中的應(yīng)用133
6.2 APMQ-QBA在脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像分割中的應(yīng)用158
6.3 本章小結(jié)176
參考文獻(xiàn)177