面向复杂系统的群集智能

内容概要

肖人彬，1965年7月生于湖北武汉；1993年6月获得系统工程专业博士学位；2000年5月于华中理工大学破格晋升教授；现为华中科技大学博士生导师。主要研究方向为：复杂系统建模与分析、群集智能、涌现计算、管理系统工程等。作为项目负责人已主持承担8项国家自然科学基金项目。此外，还主持承担了国家863项目、高等学校博士点基金等其他省部级以上科研课题10余项。2003年入选教育部“优秀青年教师资助计划”，2005年入选教育部“新世纪优秀人才支持计划”及湖北省“新世纪高层次人才工程”。

作为第一完成人获得省部级自然科学奖4项（教育部1项，湖北省3项）和湖北省科技进步奖二等奖1项；出版学术专著6本；在国内外学术期刊上发表论文100多篇，其中，30多篇被SCI、SSCI收录（第一作者20余篇）。指导2名博士生完成的博士学位论文被评为湖北省“优秀博士学位论文”。

书籍目录

《信息科学技术学术著作丛书》序

序一

序二

前言

第一篇导引篇

第1章绪论

1.1 引言

1.2群集智能行为的生物原型

1.2.1蚁群觅食

1.2.2鸟群觅食

1.2.3蚁群劳动分工

1.2.4蚁群墓地构造

1.2.5蜂群筑巢

1.3群集智能研究进展

1.3.1群集智能系统结构

1.3.2群集智能模型与算法

1.3.3群集智能典型应用

1.3.4群集智能发展展望

1.4群集智能特性分析及其对复杂系统研究的意义

1.4.1群集智能特性分析

1.4.2群集智能对复杂系统研究的意义

1.5本书的主要内容

1.6本书的篇章结构

参考文献

第二篇主体篇

第2章群集智能优化的算法理论与算法改进

2.1群集智能优化概述

2.2群集智能优化算法及其理论分析

2.2.1微粒群算法

2.2.2蚁群算法

2.2.3人工蜂群算法

2.2.4微粒群算法的理论分析

2.3微粒群算法的稳定性

2.3.1生物学背景

2.3.2带被动c—聚集的微粒群算法

2.3.3近邻个体交互微粒群算法

2.3.4近邻个体交互微粒群算法的李雅普诺夫稳定性分析

2.3.5带主动c—聚集的微粒群算法

2.3.6 PSOAC算法的一致渐近稳定性分析

2.3.7基于群体决策信息的微粒群算法

2.4最大速度上限的改进策略

2.4.1最大速度常数的研究现状

2.4.2最大速度上限的作用

2.4.3最大速度上限的随机策略

2.5具有确定认知策略的混合微粒群算法

2.5.1标准微粒群算法的局部收敛性能分析

2.5.2具有确定认知策略的混合微粒群算法原理

2.5.3非稳定线性系统逼近问题

2.6自适应分工微粒群算法

2.6.1微粒群算法中的自适应分工原理

2.6.2局部环境因子和种群自适应分工策略

2.6.3 ADPS0算法的结构与实现

2.6.4ADPSO算法的性能分析

2.7群集智能优化方法的综合应用实例

2.7.1问题的描述

2.7.2并行公差优化设计问题的模型转换

2.7.3面向并行公差优化设计的混合群集智能算法

2.7.4综合求解实例

2.8小结

参考文献

第3章基于群集智能的复杂系统共进化

3.1引言

3.2复杂系统的共进化机制分析

……

第4章蚁群劳动分工建模与仿真

第5章群集智能作用下的结构涌现

第三篇扩展篇

第8章人工蜂群算法与人工免疫网络系统的融合

索引

后记

作者简介

《面向复杂系统的群集智能》从复杂性科学的视角出发，系统阐述了面向复杂系统的群集智能理论与方法。全书内容共分为8章。作为绪论的第1章综述了群集智能的研究进展并描述了全书的概貌，起到导引的作用。第2～5章是《面向复杂系统的群集智能》的主要内容，其中，前两章分别探讨群集智能中的优化和广义优化（进化）问题，属于“方法导向研究”；后两章分别探讨群集智能中的分工合作和结构涌现问题，属于“问题导向研究”；上述4章构成了《面向复杂系统的群集智能》的主体篇。第6～8章是对群集智能的拓展性研究，它们共同构成《面向复杂系统的群集智能》的扩展篇，其中，第6章讨论模拟人类群体情感的社会情感计算，第7章阐述群集智能与人工神经网络和人工免疫系统的关系，第8章进一步给出了不同方法的融合范例。

 面向复杂系统的群集智能下载