本书系统、深入地介绍了仿生智能计算的起源、原理、模型、理论及其应用，力图概括国内外的最新研究进展。全书共分12章，主要包括仿生智能计算的思想起源、研究现状及机制原理，仿生智能计算的数学基础；蚁群算法、微粒群算法、人工蜂群算法、微分进化算法、Memetic算法、文化算法、人工免疫算法、DNA计算的原理、模型、理论和典型应用，以及仿生硬件、仿生智能计算研究前沿与展望。附录给出了各章算法的程序源代码和相关网站。全书突出基础，强调背景，着眼学术前沿与发展，取材新颖，覆盖面广，深入浅出，系统性强，理论联系实际，力求使读者能较快掌握和应用仿生智能计算方法。
本书可为计算机科学、信息科学、人工智能、控制科学、系统科学、管理科学等领域从事仿生智能计算研究的相关专业人员提供参考，同时也可作为相关专业研究生和高年级本科生教材。
样章试读
目录
- 序
前言
第1章 绪论
1.1 引言
1.2 最优化、NP-hard问题及算法复杂度
1.2.1 最优化问题
1.2.2 NP-hard问题
1.2.3 算法复杂度
1.3 仿生智能计算方法
1.4 仿生智能计算方法的共同点
1.5 本书体系结构
1.6 本章小结
参考文献
第2章 数学基础
2.1 引言
2.2 Markov链理论
2.2.1 定义及其等价性质
2.2.2 齐次Markov链及状态类
2.2.3 Markov链的极限分布
2.3 鞅与鞅列
2.4 模式定理
2.4.1 模式
2.4.2 模式定理的证明
2.5 本章小结
参考文献
第3章 蚁群算法
3.1 引言
3.2 起源和进展
3.2.1 蚁群行为描述
3.2.2 蚁群优化的机制原理
3.2.3 研究进展
3.3 系统学特征
3.4 数学模型
3.4.1 TSP
3.4.2 算法流程
3.5 理论分析
3.5.1 ACOgb,τmin算法收敛性证明
3.5.2 复杂度分析
3.6 应用实例
3.7 本章小结
参考文献
第4章 微粒群算法
4.1 引言
4.2 起源和进展
4.3 基本原理
4.3.1 基本思想
4.3.2 算法流程
4.3.3 社会行为分析
4.4 数学模型
4.4.1 全局模型与局部模型
4.4.2 标准的算法模型
4.4.3 引入收缩因子的算法模型
4.4.4 邻域结构
4.5 理论分析
4.6 应用实例
4.6.1 图像匹配
4.6.2 控制参数整定
4.7 本章小结
参考文献
第5章 人工蜂群算法
5.1 引言
5.2 起源和进展
5.3 基本原理
5.4 数学模型
5.5 理论分析
5.6 应用实例
5.6.1 函数极值优化
5.6.2 目标识别
5.7 本章小结
参考文献
第6章 微分进化算法
6.1 引言
6.2 起源和进展
6.3 原理与模型
6.3.1 数学模型
6.3.2 参数设置
6.3.3 算法流程
6.3.4 算法扩展模式
6.4 理论分析
6.4.1 Markov链模型
6.4.2 收敛性分析
6.5 应用实例
6.5.1 TSP问题
6.5.2 无人机航路规划
6.6 本章小结
参考文献
第7章 Memetic算法
7.1 引言
7.2 起源和进展
7.3 基本原理
7.3.1 meme理论
7.3.2 算法流程
7.3.3 结构分析
7.3.4 主要特点
7.4 理论分析
7.4.1 局部搜索上限问题讨论
7.4.2 收敛性分析
7.5 应用实例
7.5.1 移动机器人路径规划
7.5.2 高维函数优化
7.6 本章小结
参考文献
第8章 文化算法
8.1 引言
8.2 起源与进展
8.3 基本原理
8.4 数学模型
8.4.1 种群空间
8.4.2 信度空间
8.4.3 接受函数
8.4.4 影响函数
8.5 应用实例
8.6 本章小结
参考文献
第9章 人工免疫算法
9.1 引言
9.2 起源和进展
9.3 生物免疫系统
9.3.1 基本概念
9.3.2 组成和功能
9.3.3 基本原理
9.3.4 计算能力
9.4 原理与模型
9.4.1 算法原理
9.4.2 主要算子
9.4.3 算法流程
9.5 理论分析
9.6 应用实例
9.6.1 基于免疫进化的TSP问题
9.6.2 基于克隆选择的函数优化
9.7 本章小结
参考文献
第10章 DNA计算
10.1 引言
10.2 起源和进展
10.2.1 DNA基本结构
10.2.2 相关生物酶
10.2.3 DNA分子的基本操作
10.2.4 研究进展
10.3 基本原理
10.3.1 基本流程
10.3.2 实现方式
10.3.3 优点
10.4 数学模型
10.4.1 剪接系统模型
10.4.2 粘贴系统模型
10.4.3 插入-删除系统模型
10.4.4 强迫-禁止系统模型
10.5 理论分析
10.5.1 禁止集和强迫集的性质
10.5.2 有限性条件
10.5.3 强迫-禁止系统
10.6 应用实例
10.6.1 Adleman试管实验
10.6.2 Adleman实验的计算机模拟
10.7 本章小结
参考文献
第11章 仿生硬件
11.1 引言
11.2 定义与分类
11.3 起源与进展
11.4 基本原理
11.5 蚁群算法硬件实现
11.5.1 FPGA基本结构
11.5.2 将蚁群算法映射到FPGA的难点
11.5.3 P-ACO算法
11.5.4 P-ACO算法在PFGA上的实现
11.5.5 实验结果
11.6 微粒群算法硬件实现
11.6.1 量子微粒群算法模型
11.6.2 QPSO算法系统硬件结构设计
11.6.3 QPSO硬件子群系统结构
11.6.4 具体功能模块设计
11.7 本章小结
参考文献
第12章 研究前沿与展望
12.1 引言
12.2 哲学定理
12.3 模型改进
12.4 理论分析
12.5 应用领域
12.6 仿生硬件与产业化
12.7 本章小结
参考文献
附录A 蚁群算法源程序
附录B 微粒群算法源程序
附录C 人工蜂群算法源程序
附录D 微分进化算法源程序
附录E Memetic算法源程序
附录F 文化算法源程序
附录G 人工免疫算法源程序
附录H DNA计算源程序
附录I 相关网站资源
京公网安备 11010102004214号