生物群智計(jì)算與機(jī)器學(xué)習(xí)

目錄


第1章緒論

1.1人工智能簡介

1.1.1人工智能定義

1.1.2人工智能發(fā)展階段

1.1.3人工智能研究內(nèi)容

1.2人工智能發(fā)展歷史及趨勢(shì)

1.2.1人工智能發(fā)展歷史

1.2.2人工智能研究趨勢(shì)

1.3生物群智計(jì)算

1.3.1生物群智計(jì)算與人工智能

1.3.2生物群智計(jì)算與復(fù)雜適應(yīng)系統(tǒng)

1.3.3生物群智計(jì)算算法

1.4機(jī)器學(xué)習(xí)

1.4.1機(jī)器學(xué)習(xí)與人工智能

1.4.2機(jī)器學(xué)習(xí)與復(fù)雜系統(tǒng)

1.4.3機(jī)器學(xué)習(xí)算法

參考文獻(xiàn)

第2章生物群智計(jì)算與框架模型

引言

2.1生物群智計(jì)算算法綜述

2.1.1遺傳算法

2.1.2粒子群優(yōu)化

2.1.3蟻群優(yōu)化

2.1.4人工蜂群算法

2.1.5細(xì)菌覓食算法

2.1.6群搜索算法

2.1.7DNA計(jì)算

2.1.8自組織遷移算法

2.1.9膜計(jì)算

2.1.10元胞自動(dòng)機(jī)

2.1.11神經(jīng)網(wǎng)絡(luò)

2.1.12人工免疫系統(tǒng)

2.2生物群智計(jì)算統(tǒng)一框架模型

2.2.1生物群智計(jì)算模式的統(tǒng)一框架理念

2.2.2個(gè)體群體群落： 生物群智計(jì)算模式的總體形式化描述

2.2.3環(huán)境

2.3生物群智計(jì)算算法研究趨勢(shì)

2.3.1并行生物群智計(jì)算

2.3.2融合推理與學(xué)習(xí)的生物群智計(jì)算

2.3.3生物動(dòng)力學(xué)群智計(jì)算

2.3.4微生物群體感應(yīng)控制機(jī)制及算法研究

2.4生物群智計(jì)算應(yīng)用研究趨勢(shì)

2.4.1納米分子生物

2.4.2虛擬生物

2.4.3人工大腦

2.4.4進(jìn)化硬件

2.4.5進(jìn)化仿真

2.4.6群集機(jī)器人

2.4.7云計(jì)算

2.4.8大數(shù)據(jù)

參考文獻(xiàn)





第3章生物個(gè)體行為模式與自適應(yīng)優(yōu)化方法

引言

3.1自然進(jìn)化中的個(gè)體行為模式

3.1.1生物個(gè)體的覓食行為分類

3.1.2適應(yīng)性主體

3.1.3效率與最優(yōu)覓食理論

3.2基于生物個(gè)體行為的計(jì)算模式設(shè)計(jì)

3.2.1基于生物個(gè)體行為的統(tǒng)一優(yōu)化框架

3.2.2基于生物個(gè)體行為的基本操作

3.3生物個(gè)體建模與仿真分析

3.3.1生物系統(tǒng)個(gè)體的形式化定義

3.3.2典型生物個(gè)體行為的建模與仿真分析

3.3.3個(gè)體環(huán)境間作用關(guān)系描述與規(guī)則模型

3.4細(xì)菌自適應(yīng)覓食優(yōu)化算法

3.4.1算法的基本思想與流程

3.4.2算法的形式化描述

3.4.3ABFO算法實(shí)現(xiàn)步驟

3.4.4算法效能分析

3.5植物根系自適應(yīng)生長優(yōu)化算法

3.5.1算法的基本思想

3.5.2算法的形式化描述

3.5.3算法流程

3.5.4算法效能分析

參考文獻(xiàn)

第4章生物種群信息交流模式與生命周期群搜索策略

引言

4.1自然界中單一物種群體內(nèi)部的信息交流與協(xié)作模式

4.1.1生物種群

4.1.2信息交流

4.1.3分工協(xié)作與分布式控制

4.2基于生物群體行為的計(jì)算模式設(shè)計(jì)

4.2.1基于生物群體行為的統(tǒng)一優(yōu)化框架

4.2.2基于生物群體行為的基本操作

4.3生物種群建模與仿真分析

4.3.1生物系統(tǒng)種群的形式化定義

4.3.2種群內(nèi)個(gè)體通信模型

4.3.3任務(wù)分工

4.3.4種群演化模型

4.4基于生命周期和社會(huì)學(xué)習(xí)的細(xì)菌覓食算法及其性能分析

4.4.1算法的基本思想與流程

4.4.2算法的形式化描述

4.4.3算法性能分析

4.5生命周期群搜索優(yōu)化算法及其性能分析

4.5.1算法的基本思想與流程

4.5.2算法的形式化描述

4.5.3實(shí)驗(yàn)設(shè)置

4.5.4算法性能分析： 無約束函數(shù)

4.5.5算法性能分析： 有約束函數(shù)

參考文獻(xiàn)

第5章生物群落演化模式與優(yōu)化算法

引言

5.1生物群落進(jìn)化中的種群演化模式

5.1.1生物群落的層次性信息網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

5.1.2生物群落內(nèi)種群共生模式的多型性

5.1.3生物群落內(nèi)種群的增長、遷徙和消亡模式

5.2基于生物群落演化的計(jì)算模式設(shè)計(jì)

5.2.1基于生物群落演化的統(tǒng)一優(yōu)化框架

5.2.2基于生物群落演化的基本操作

5.3生物群落建模與仿真分析

5.3.1生物系統(tǒng)群落的形式化定義

5.3.2群落拓?fù)浣Y(jié)構(gòu)的形式化定義

5.3.3基于不同種群關(guān)系生物群落演化建模與仿真

5.4基于生物群落演化的優(yōu)化模型與算法實(shí)例設(shè)計(jì)

5.4.1協(xié)同進(jìn)化算法的發(fā)展現(xiàn)狀

5.4.2多群體協(xié)同進(jìn)化統(tǒng)一模型

5.4.3多種群共生協(xié)同進(jìn)化粒子群優(yōu)化算法

5.4.4算法性能分析

5.4.5基于MSPSO的RFID網(wǎng)絡(luò)讀寫器調(diào)度

5.5多種群多目標(biāo)人工蜂群算法

5.5.1算法基本思想與流程

5.5.2算法的形式化描述

5.5.3算法性能分析

5.6基于p最優(yōu)性準(zhǔn)則的多種群多目標(biāo)優(yōu)化算法

5.6.1算法基本思想與流程

5.6.2算法的形式化描述

5.6.3算法性能分析

參考文獻(xiàn)

第6章機(jī)器學(xué)習(xí)

6.1引言

6.1.1機(jī)器學(xué)習(xí)的發(fā)展史

6.1.2機(jī)器學(xué)習(xí)算法及其適用場景

6.1.3機(jī)器學(xué)習(xí)的分類

6.2深度學(xué)習(xí)

6.2.1深度學(xué)習(xí)的現(xiàn)狀與發(fā)展趨勢(shì)

6.2.2基本思想和框架結(jié)構(gòu)

6.2.3人工神經(jīng)網(wǎng)絡(luò)

6.2.4深度學(xué)習(xí)的常用模型和方法

6.2.5深度學(xué)習(xí)實(shí)例分析： AlphaGo算法

6.3強(qiáng)化學(xué)習(xí)

6.3.1強(qiáng)化學(xué)習(xí)的基本原理和模型

6.3.2深度強(qiáng)化學(xué)習(xí)

6.3.3強(qiáng)化學(xué)習(xí)的實(shí)例分析： AlphaGo Zero算法

6.4生成式對(duì)抗網(wǎng)絡(luò)

6.4.1生成式對(duì)抗網(wǎng)絡(luò)的基本原理

6.4.2生成式對(duì)抗網(wǎng)絡(luò)的經(jīng)典模型

6.4.3生成式對(duì)抗網(wǎng)絡(luò)的應(yīng)用

6.4.4有待研究的問題

6.5遷移學(xué)習(xí)

6.5.1遷移學(xué)習(xí)的基本原理

6.5.2遷移學(xué)習(xí)的基本步驟

6.5.3遷移學(xué)習(xí)的問題場景

6.5.4有待研究的問題

參考文獻(xiàn)

第7章評(píng)注與展望

引言

7.1生物群智計(jì)算理論基礎(chǔ)研究展望

7.1.1有關(guān)生物群智計(jì)算的有效性研究

7.1.2有關(guān)生物群智計(jì)算的收斂性研究

7.1.3有關(guān)生物群智計(jì)算方法的評(píng)價(jià)標(biāo)準(zhǔn)

7.2生物群智計(jì)算算法設(shè)計(jì)研究展望

7.2.1小生境層面的有關(guān)算法設(shè)計(jì)

7.2.2動(dòng)態(tài)環(huán)境層面的有關(guān)算法設(shè)計(jì)

7.3機(jī)器學(xué)習(xí)研究與展望

7.3.1連續(xù)統(tǒng)假設(shè)悖論

7.3.2機(jī)器學(xué)習(xí)研究展望

7.4人工智能三大悖論

參考文獻(xiàn)

附錄標(biāo)準(zhǔn)測試函數(shù)

A.1單目標(biāo)無約束

A.2單目標(biāo)有約束

A.3多目標(biāo)無約束

A.4多目標(biāo)有約束