本书是一部系统论述基于生物行为模型的智能优化算法案例与实现的著作。全书共分为6章:第1 章介绍生物启发式计算的研究背景, 对传统生物启发式计算方法进行了概述;第2章介绍将层次型信息 交流拓扑结构引入人工蜂群觅食模型中的内容, 提出基于层次型信息交流机制的多蜂群协同进化优化算 法, 使用该算法在搜索过程中能够维持整个种群多样性的群落级进化, 从而克服传统单层生物启发式优化 模型的 早熟收敛 问题, 并进一步提升算法的收敛速度与收敛精度; 第3章借鉴微生物学**研究成果, 从能量变化角度对细菌构建基于生命周期的优化模型, 进一步介绍基于生命周期的菌群觅食自适应优 化算法;第4章研究如何将改进的蜂群觅食优化算法用于求解聚类问题, 将基于层次型信息交流机制 的多蜂群协同进化优化的聚类优化算法用于教学评价体系;第5章研究如何将基于 L C B F A 的多阈值 图像分割算法用于图像分割的问题;第6章对植物根系自适应生长与**觅食这种典型生物个体行 为进行深入研究, 建立了基于根系生长的智能计算模型 混合人工植物根系生长优化模型。 本书从生物建模机理、 算法设计和工程应用层面针对典型的生物觅食行为启发式计算方法进行 研究, 取得了具有创新性和应用价值的成果, 所提出的改进策略和优化方法对于拓展相关领域的研 究、 指导实际应用都将具有一定的借鉴意义, 可为从事相关智能优化方法研究的科研工作者提供可 借鉴的理论指导。
生物启发式计算是建立在仿生学、生态系统分析、计算机应用技术等学科基础上的一种优化计算方法，是人工智能优化算法发展的重要分支。由于此类方法具备问题描述简单和优化性能高效的的特点，被广泛应用于各类复杂优化问题的求解。为满足研究相关优化方法的科研工作者及广大普通读者的需求，作者编写了《智能优化算法基于生物行为模型的案例与实现》。本书从建模机理、算法设计和工程应用层面对典型的生物觅食行为启发式计算方法进行研究，帮助读者形成关于生物启发式计算的知识体系。本书系统论述了智能优化算法的理论、技术及应用，具体内容包括：
? 基于层次型信息交流机制的多蜂群协同进化；
? 基于生命周期的菌群觅食自适应优化；
? 面向聚类分析的MCABC-FCM算法研究与应用；
? 基于LCBFA的多阈值分割算法及其在彩色图像处理中的应
在智能计算领域，生物界某些个体或群体的行为特征、演化特性给予研究人员很多启示，因此许多模拟生物行为和现象的优化算法应运而生，上述研究统称为生物启发式计算方法。生物行为
有多种，觅食行为是生物生存及繁殖的重要行为，不同类型的生物，从低等单细胞细菌到高等动物都具有不同的觅食行为模式，有关模拟生物觅食行为规律的启发式计算方法自从提出以来，一直受到国内外学者和工程技术人员的广泛关注。
尽管基于生物觅食行为的启发式计算研究日趋成熟，但通过分析现有研究可以看出，在求解复杂的实际问题的过程中，我们在保持算法的多样性，兼顾全局与局部搜索的均衡，实现算法参数自适应优化，有效克服算法的
早熟收敛问题，提高算法的搜索效率和收敛精度等方面尚存在较大的改进空间。
本书利用自然生物觅食理论、复杂自适应系统等成果，在国内外生物启发式计算相关工作的基础上，从生物建模、算法设计、工程应用层面，针对基于觅食行为的生物启发式算法展开了深入的研究，并结合数据聚类分析、彩色图像处理等典型实际问题设计了新的求解方法，为从事相关优化方法研究的科研工作者提供可借鉴的理论指导。
本书分为6章，内容涵盖了以下几方面：
（1） 针对传统基于单层生物启发式优化模型的原始蜂群算法存在早熟收敛问题，将层次型信息交流拓扑结构引入人工蜂群觅食模型中，提出基于层次型信息交流机制的多蜂群协同进化算法，实现在搜索过程中
维持整个种群多样性的
进化。通过仿真实验表明，该方法能够有效地保持整个种群的多样性，
有效地提升了算法的收敛速度与收敛精度。
（2） 从能量变化角度出发，构建基于生命周期优化模型。在此基础上，针对传统的菌群优化算法进行改进，设计了一种基于生命周期的菌群觅食自适应优化算法。
将大肠杆菌（escherichia coli，E.Coli）种群按照生命周期进行演化，即大肠杆菌个体在觅食过程中
获取能量、消耗能量并动态地分裂、死亡和迁移，种群规模随环境变化进行适应性变化。通过仿真实验表明，本书建立的大肠杆菌菌群优化模型符合微生物生命周期变化规律，函数测试结果验证了算法具有较好的优化性能。
（3） 针对传统模糊C均值算法易陷入局部极小值，对初始值和噪声数据敏感等不足，引入基于层次型信息交流机制的多蜂群协同进化思想，提出基于MCABCFCM的聚类优化算法，并应用于
教学评估中。实例仿真表明，相对于传统FCM聚类算法，该方法
在寻优能力、收敛速度方面得到显著提高，与此同时，评价效果更具有代表性。
（4） 将基于生命周期的菌群觅食自适应优化算法用于图像处理中，提出一种新的多阈值
图像分割算法，融合群体并行搜索且不易陷入局部的特点，以寻找图像分割的阈值组合，并限度地提高寻优精度和效率。通过图像的仿真证明该方法的分割结果更加精确，极大地降低了多阈值分割的计算时间，为解决类似工程问题提供了新的思路。
（5） 以植物根系自适应生长及觅食行为建模、仿真研究为基础，设计一种新型生物启发
式计算模式混合人工植物根系自适应生长优化算法。通过在标准测试函数上的仿真分析，植物根系生长优化具有良好的优化精度和收敛速度，为求解实际工程应用中的连续优化和动态优化问题提供了新的思路。
感谢清华大学出版社盛东亮老师的大力支持，他认真细致的指导，保证了本书的质量。
由于作者水平有限，书中难免有疏漏和不足之处，恳请读者批评指正！
作者
2022年6月
刘洋 沈阳大学教授，博士生导师。中国科学院大学博士，北京大学博士后，英国曼彻斯特大学访问学者。现任沈阳大学信息工程学院副院长，装备制造综合自动化重点实验室副主任。从事人工智能算法、复杂系统建模方向的研究工作。作为负责人先后主持、省级与市级科研项目10余项，在学术期刊上发表SCI/EI检索论文20余篇，出版英文专著1部，获得发明专利40余项。
第1章智能优化算法概述
1.1生物启发式计算研究背景
1.2生物启发式计算典型方法分析
1.2.1遗传算法
1.2.2神经网络计算
1.2.3模糊计算
1.2.4蜂群优化算法
1.2.5细菌觅食优化
1.3生物启发式计算的应用与发展趋势
1.4本章小结
第2章基于层次型信息交流机制的多蜂群协同进化
2.1人工蜂群算法的基本思想与流程
2.2多蜂群协同进化机制
2.3层次型信息交流机制
2.3.1静态拓扑结构交流机制
2.3.2动态拓扑结构交流机制
2.4层次型信息传递策略设计
2.5基于层次型信息交流机制的多蜂群协同进化优化算法设计
2.5.1多蜂群协同进化优化算法模型
2.5.2多蜂群协同进化优化算法流程设计
2.6蜂群协同进化算法性能测试与分析
2.6.1基于平面拓扑结构的单蜂群优化算法测试
2.6.2基于层次型信息交流机制的多蜂群优化算法测试
2.7本章小结
第3章基于生命周期的菌群觅食自适应优化
3.1人工细菌优化算法的基本模型
3.1.1趋化行为
3.1.2繁殖与消亡
3.1.3迁移
3.2微生物种群演化动力学与优化策略
3.2.1微生物种群演化动力学
3.2.2基于生命周期的菌群觅食自适应优化策略
3.3基于生命周期的菌群觅食自适应优化模型与算法流程
3.3.1优化模型
3.3.2算法流程
3.4基于生命周期的菌群觅食自适应优化算法性能分析
3.5本章小结
第4章面向聚类分析的MCABCFCM算法研究与应用
4.1引言
4.2聚类算法现状概述
4.3典型的模糊C均值算法
4.4MCABCFCM算法设计
4.5基于MCABCFCM算法的教学评价方法研究
4.5.1教学评价的影响因素
4.5.2教学评价数据的标准化
4.6本章小结
第5章基于LCBFA的多阈值图像分割算法及在彩色图像处理中的应用研究
5.1引言
5.2彩色空间的转换与多阈值图像分割算法
5.2.1彩色空间的转换
5.2.2多阈值图像分割算法
5.3基于LCBFA的多阈值图像分割算法
5.3.1图像分割步骤
5.3.2彩色图像分割
5.4基于BFA和LCBFA的多阈值图像分割算法性能分析
5.5本章小结
第6章植物根系自适应生长层级演化模型及算法
6.1植物根系优化算法
6.1.1生长素模型
6.1.2趋向性
6.1.3分根
6.1.4侧根随机搜索
6.1.5根尖老化死亡
6.2植物根系层级演化交流模式
6.2.1同层级信息交流模式
6.2.2层级间信息交流模式
6.3植物根系自适应生长层级演化算法
6.4HARFO算法性能测试
6.5本章小结
参考文献
书单推荐
