仿生智能计算

　　目录序前言第1章 绪论 11.1 引言 11.2 最优化、NP-hard问题及算法复杂度 21.2.1 最优化问题 21.2.2 NPGhard问题 21.2.3 算法复杂度 51.3 仿生智能计算方法 71.4 仿生智能计算方法的共同点 151.5 本书体系结构 161.6 本章小结 17参考文献 17第2章 数学基础 192.1 引言 192.2 Markov链理论 192.2.1 定义及其等价性质 192.2.2 齐次Markov链及状态类 212.2.3 Markov链的极限分布 262.3 鞅与鞅列 302.4 模式定理 302.4.1 模式 312.4.2 模式定理的证明 312.5 本章小结 34参考文献 34第3章 蚁群算法 363.1 引言 363.2 起源和进展 363.2.1 蚁群行为描述 363.2.2 蚁群优化的机制原理 373.2.3 研究进展 383.3 系统学特征 403.4 数学模型 433.4.1 TSP 433.4.2 算法流程 453.5 理论分析 483.5.1 ACOgb，τmin算法收敛性证明 483.5.2 复杂度分析 533.6 应用实例 553.7 本章小结 61参考文献 61第4章 微粒群算法 634.1 引言 634.2 起源和进展 634.3 基本原理 674.3.1 基本思想 674.3.2 算法流程 684.3.3 社会行为分析 694.4 数学模型 704.4.1 全局模型与局部模型 704.4.2 标准的算法模型 714.4.3 引入收缩因子的算法模型 724.4.4 邻域结构 724.5 理论分析 744.6 应用实例 774.6.1 图像匹配 774.6.2 控制参数整定 794.7 本章小结 85参考文献 85第5章 人工蜂群算法 885.1 引言 885.2 起源和进展 885.3 基本原理 905.4 数学模型 935.5 理论分析 945.6 应用实例 955.6.1 函数极值优化 965.6.2 目标识别 985.7 本章小结 104参考文献 104第6章 微分进化算法 1076.1 引言 1076.2 起源和进展 1076.3 原理与模型 1086.3.1 数学模型 1086.3.2 参数设置 1106.3.3 算法流程 1116.3.4 算法扩展模式 1136.4 理论分析 1156.4.1 Markov链模型 1156.4.2 收敛性分析 1166.5 应用实例 1176.5.1 TSP问题 1186.5.2 无人机航路规划 1216.6 本章小结 126参考文献 127第7章 Memetic算法 1307.1 引言 1307.2 起源和进展 1307.3 基本原理 1327.3.1 meme理论 1327.3.2 算法流程 1347.3.3 结构分析 1367.3.4 主要特点 1377.4 理论分析 1387.4.1 局部搜索上限问题讨论 1387.4.2 收敛性分析 1407.5 应用实例 1427.5.1 移动机器人路径规划 1427.5.2 高维函数优化 1467.6 本章小结 147参考文献 148第8章 文化算法 1508.1 引言 1508.2 起源与进展 1508.3 基本原理 1528.4 数学模型 1558.4.1 种群空间 1558.4.2 信度空间 1558.4.3 接受函数 1598.4.4 影响函数 1618.5 应用实例 1628.6 本章小结 164参考文献 165第9章 人工免疫算法 1689.1 引言 1689.2 起源和进展 1689.3 生物免疫系统 1719.3.1 基本概念 1719.3.2 组成和功能 1729.3.3 基本原理 1729.3.4 计算能力 1749.4 原理与模型 1759.4.1 算法原理 1759.4.2 主要算子 1769.4.3 算法流程 1789.5 理论分析 1799.6 应用实例 1829.6.1 基于免疫进化的TSP问题 1829.6.2 基于克隆选择的函数优化 1859.7 本章小结 187参考文献 188第10章 DNA计算 19010.1 引言 19010.2 起源和进展 19010.2.1 DNA基本结构 19010.2.2 相关生物酶 19210.2.3 DNA分子的基本操作 19310.2.4 研究进展 19510.3 基本原理 19510.3.1 基本流程 19510.3.2 实现方式 19710.3.3 优点 19810.4 数学模型 19810.4.1 剪接系统模型 19810.4.2 粘贴系统模型 19910.4.3 插入-删除系统模型 20010.4.4 强迫-禁止系统模型 20110.5 理论分析 20210.5.1 禁止集和强迫集的性质 20210.5.2 有限性条件 20310.5.3 强迫-禁止系统 20310.6 应用实例 20410.6.1 Adleman试管实验 20410.6.2 Adleman实验的计算机模拟 20610.7 本章小结 207参考文献 207第11章 仿生硬件 20911.1 引言 20911.2 定义与分类 20911.3 起源与进展 21011.4 基本原理 21111.5 蚁群算法硬件实现 21211.5.1 FPGA基本结构 21211.5.2 将蚁群算法映射到FPGA的难点 21311.5.3 P-ACO算法 21411.5.4 P-ACO算法在PFGA上的实现 21511.5.5 实验结果 22111.6 微粒群算法硬件实现 22411.6.1 量子微粒群算法模型 22411.6.2 QPSO算法系统硬件结构设计 22411.6.3 QPSO硬件子群系统结构 22511.6.4 具体功能模块设计 22611.7 本章小结 228参考文献 228第12章 研究前沿与展望 23012.1 引言 23012.2 哲学定理 23012.3 模型改进 23212.4 理论分析 23412.5 应用领域 23512.6 仿生硬件与产业化 23512.7 本章小结 236参考文献 237附录A 蚁群算法源程序 238附录B 微粒群算法源程序 248附录C 人工蜂群算法源程序 252附录D 微分进化算法源程序 257附录E Memetic算法源程序 263附录F 文化算法源程序 266附录G 人工免疫算法源程序 272附录H DNA计算源程序 277附录I 相关网站资源 281CONTENTSForewordPrefaceChapter1 Exordium 11.1 Introduction 11.2 0ptimization，NP-hard Problem & Algorithm Complexity 21.2.1 Optimization Problem 21.2.2 NP-hard Problem 21.3 Bio-inspired Computing Methods 71.4 Common Traits of Bio-inspired Computing Methods 151.5 Organization 161.6 Summary 17References 17Chapter 2 Mathematical Foundations 192.1 Introduction 192.2 MarkovChainTheory 192.2.1 Definition & Equivalence Property 192.2.2 Homogeneous Markov Chain & State Classification 212.2.3 Limiting Distribution of Markov Chain 262.3 Martingale & Martingale Column 302.4 Schemata Theorem 302.4.1 Schema 312.4.2 Theoretical Proof 312.5 Summary 34References 34Chapter 3 Ant Colony Optimization(ACO) Algorithm 363.1 Ineroduction 363.2 0rigin & Progress 363.2.1 Behavior Description of Ant Colony 363.2.2 Mechanism Principle of ACO 373.2.3 Recent Progress 383.3 Systematic Characteristics 403.4 Mathematical Model 433.4.1 TSP 433.4.2 Algorithm Procedure 453.5 Theoretical Analysis 483.5.1 Convergence Proof for ACOgb，τmin Algorithm 483.5.2 Complexity Analysis 533.6 Application Instance 553.7 Summary 61References 61Chapter 4 Partial Swarm Optimization(PSO) Algorithm 634.1 Introduction 634.2 Origin & Progress 634.3 Principles 674.3.1 Basic Ideas 674.3.2 Algorithm Procedure 684.3.3 Social Behavior Analysis 694.4 Ma

　　《仿生智能计算》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，力图概括国内外的新研究进展。《仿生智能计算》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。《仿生智能计算》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。