智能優化算法：基於生物行為模型的案例分析與設計（簡體書）

本書是一部系統論述基於生物行為模型的智能優化算法案例與實現的著作。全書共分為6章:第1章介紹生物啟發式計算的研究背景, 對傳統生物啟發式計算方法進行了概述;第2章介紹將層次型信息交流拓撲結構引入人工蜂群覓食模型中的內容, 提出基於層次型信息交流機制的多蜂群協同進化優化算法, 使用該算法在搜索過程中能夠維持整個種群多樣性的群落級進化, 從而克服傳統單層生物啟發式優化模型的“ 早熟收斂” 問題, 並進一步提升算法的收斂速度與收斂精度; 第3章借鑒微生物學新研究成果,從能量變化角度對細菌構建基於生命周期的優化模型, 進一步介紹基於生命周期的菌群覓食自適應優化算法;第4章研究如何將改進的蜂群覓食優化算法用於求解聚類問題, 將基於層次型信息交流機制的多蜂群協同進化優化的聚類優化算法用於教學評價體系;第5章研究如何將基於 L C B F A 的多閾值圖像分割算法用於圖像分割的問題;第6章對植物根系自適應生長與覓食這種典型生物個體行為進行深入研究, 建立了基於根系生長的智能計算模型— — —混合人工植物根系生長優化模型。本書從生物建模機理、 算法設計和工程應用層面針對典型的生物覓食行為啟發式計算方法進行研究, 取得了具有創新性和應用價值的成果, 所提出的改進策略和優化方法對於拓展相關領域的研究、 指導實際應用都將具有一定的借鑒意義, 可為從事相關智能優化方法研究的科研工作者提供可借鑒的理論指導。

劉洋

沈陽大學教授，博士生導師。中國科學院大學博士，北京大學博士後，英國曼徹斯特大學訪問學者。現任沈陽大學信息工程學院副院長，裝備製造綜合自動化重點實驗室副主任。從事人工智能算法、複雜系統建模方向的研究工作。作為負責人先後主持省級與市級科研項目10余項，在學術期刊上發表SCI/EI檢索論文20余篇，出版英文專著1部，獲得發明專利40余項。

生物啟發式計算是建立在仿生學、生態系統分析、計算機應用技術等學科基礎上的一種優化計算方法，是人工智能優化算法發展的重要分支。由於此類方法具備問題描述簡單和優化性能高效的的特點，被廣泛應用於各類複雜優化問題的求解。為滿足研究相關優化方法的科研工作者及廣大普通讀者的需求，作者編寫了《智能優化算法——基於生物行為模型的案例與實現》。本書從建模機理、算法設計和工程應用層面對典型的生物覓食行為啟發式計算方法進行研究，幫助讀者形成關於生物啟發式計算的知識體系。本書系統論述了智能優化算法的理論、技術及應用，具體內容包括：

l 基於層次型信息交流機制的多蜂群協同進化；

l 基於生命周期的菌群覓食自適應優化；

l 面向聚類分析的MCABC-FCM算法研究與應用；

l 基於LCBFA的多閾值分割算法及其在彩色圖像處理中的應

在智能計算領域，生物界某些個體或群體的行為特徵、演化特性給予研究人員很多啟示，因此許多模擬生物行為和現象的優化算法應運而生，上述研究統稱為生物啟發式計算方法。生物行為

有多種，覓食行為是生物生存及繁殖的重要行為，不同類型的生物，從低等單細胞細菌到高等動物都具有不同的覓食行為模式，有關模擬生物覓食行為規律的啟發式計算方法自從提出以來，一直受到國內外學者和工程技術人員的廣泛關注。

盡管基於生物覓食行為的啟發式計算研究日趨成熟，但通過分析現有研究可以看出，在求解複雜的實際問題的過程中，我們在保持算法的多樣性，兼顧全局與局部搜索的均衡，實現算法參數自適應優化，有效克服算法的“早熟收斂”問題，提高算法的搜索效率和收斂精度等方面尚存在較大的改進空間。

本書利用自然生物最優覓食理論、複雜自適應系統等成果，在國內外生物啟發式計算相關工作的基礎上，從生物建模、算法設計、工程應用層面，針對基於覓食行為的生物啟發式算法展開了深入的研究，並結合數據聚類分析、彩色圖像處理等典型實際問題設計了新的求解方法，為從事相關優化方法研究的科研工作者提供可借鑒的理論指導。

本書分為6章，內容涵蓋了以下幾方面：

（1） 針對傳統基於單層生物啟發式優化模型的原始蜂群算法存在“早熟收斂”問題，將層次型信息交流拓撲結構引入人工蜂群覓食模型中，提出基於層次型信息交流機制的多蜂群協同進化算法，實現在搜索過程中維持整個種群多樣性的進化。通過仿真實驗表明，該方法能夠有效地保持整個種群的多樣性，有效地提升了算法的收斂速度與收斂精度。

（2） 從能量變化角度出發，構建基於生命周期優化模型。在此基礎上，針對傳統的菌群優化算法進行改進，設計了一種基於生命周期的菌群覓食自適應優化算法。

將大腸桿菌（escherichia coli，E.Coli）種群按照生命周期進行演化，即大腸桿菌個體在覓食過程中

獲取能量、消耗能量並動態地分裂、死亡和遷移，種群規模隨環境變化進行適應性變化。通過仿真實驗表明，本書建立的大腸桿菌菌群優化模型符合微生物生命周期變化規律，函數測試結果驗證了算法具有較好的優化性能。

（3） 針對傳統模糊C均值算法易陷入局部極小值，對初始值和噪聲數據敏感等不足，引入基於層次型信息交流機制的多蜂群協同進化思想，提出基於MCABCFCM的聚類優化算法，並應用於

教學評估中。實例仿真表明，相對於傳統FCM聚類算法，該方法在尋優能力、收斂速度方面得到顯著提高，與此同時，評價效果更具有代表性。

（4） 將基於生命周期的菌群覓食自適應優化算法用於圖像處理中，提出一種新的多閾值圖像分割算法，融合群體並行搜索且不易陷入局部最優的特點，以尋找圖像分割的最優閾值組合，並最大限度地提高尋優精度和效率。通過圖像的仿真證明該方法的分割結果更加精確，極大地降低了多閾值分割的計算時間，為解決類似工程問題提供了新的思路。

（5） 以植物根系自適應生長及覓食行為建模、仿真研究為基礎，設計一種新型生物啟發式計算模式——混合人工植物根系自適應生長優化算法。通過在標準測試函數上的仿真分析，植物根系生長優化具有良好的優化精度和收斂速度，為求解實際工程應用中的連續優化和動態優化問題提供了新的思路。

感謝清華大學出版社盛東亮老師的大力支持，他認真細致的指導，保證了本書的質量。

由於作者水平有限，書中難免有疏漏和不足之處，懇請讀者批評指正！

作者

2022年6月

第1章智能優化算法概述

1.1生物啟發式計算研究背景

1.2生物啟發式計算典型方法分析

1.2.1遺傳算法

1.2.2神經網絡計算

1.2.3模糊計算

1.2.4蜂群優化算法

1.2.5細菌覓食優化

1.3生物啟發式計算的應用與發展趨勢

1.4本章小結

第2章基於層次型信息交流機制的多蜂群協同進化

2.1人工蜂群算法的基本思想與流程

2.2多蜂群協同進化機制

2.3層次型信息交流機制

2.3.1靜態拓撲結構交流機制

2.3.2動態拓撲結構交流機制

2.4層次型信息傳遞策略設計

2.5基於層次型信息交流機制的多蜂群協同進化優化算法設計

2.5.1多蜂群協同進化優化算法模型

2.5.2多蜂群協同進化優化算法流程設計

2.6蜂群協同進化算法性能測試與分析

2.6.1基於平面拓撲結構的單蜂群優化算法測試

2.6.2基於層次型信息交流機制的多蜂群優化算法測試

2.7本章小結

第3章基於生命周期的菌群覓食自適應優化

3.1人工細菌優化算法的基本模型

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與優化策略

3.2.1微生物種群演化動力學

3.2.2基於生命周期的菌群覓食自適應優化策略

3.3基於生命周期的菌群覓食自適應優化模型與算法流程

3.3.1優化模型

3.3.2算法流程

3.4基於生命周期的菌群覓食自適應優化算法性能分析

3.5本章小結

第4章面向聚類分析的MCABCFCM算法研究與應用

4.1引言

4.2聚類算法現狀概述

4.3典型的模糊C均值算法

4.4MCABCFCM算法設計

4.5基於MCABCFCM算法的教學評價方法研究

4.5.1教學評價的影響因素

4.5.2教學評價數據的標準化

4.6本章小結

第5章基於LCBFA的多閾值圖像分割算法及在彩色圖像處理中的應用研究

5.1引言

5.2彩色空間的轉換與多閾值圖像分割算法

5.2.1彩色空間的轉換

5.2.2多閾值圖像分割算法

5.3基於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基於BFA和LCBFA的多閾值圖像分割算法性能分析

5.5本章小結

第6章植物根系自適應生長層級演化模型及算法

6.1植物根系優化算法

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植物根系自適應生長層級演化算法

6.4HARFO算法性能測試

6.5本章小結

參考文獻