仿生控制篇

仿生控制篇粒子群算法、猫群算法、蚁群算法、鱼群算法、猴群算法、蜂群算法等基于自然界动物群体行为而衍生出的算法，是通过模拟生物行为来达到快速巡游的功能的算法第七篇仿生控制篇第 17 章 蚁群算法理论17.1 蚁群优化算法概述17.1.1 背景起源17.1.2 应用领域17.2 蚁群算法的基本思想17.2.1 基本蚁群算法17.2.2 蚁群算法的特点17.3 蚁群算法的改进17.3.1 蚁群算法自身参数的改进17.3.2 带精英策略的蚁群算法17.3.3 基于优化排序的蚂蚁系统17.3.4 蚁群系统17.4 蚁群优化算法的应用17.4.1 网络路由 —— 通讯问题17.4.2 生产调度 —— 多目标分配问题17.4.3 电力系统优化问题17.4.4 机器人路径规划问题17.4.5 车辆路径问题 ( VRP) 第 18 章 粒子群优化算法18.1 粒子群优化算法概述18.1.1 背景起源18.1.2 应用领域18.2 粒子群算法的基本思想18.2.1 基本粒子群算法18.2.2 粒子群算法的特点18.3 粒子群优化计算行为分析18.3.1 社会行为分析18.3.2 收敛行为分析18.4 粒子群算法的改进18.4.1 变惯性权重18.4.2 变加速系数 c1 和 C2 18.4.3 变最大速度 Vmax 18.5 粒子群算法的应用18.5.1 连续领域的应用18.5.2 离散领域的应用第 19 章 猫群算法19.1 背景来源19.2 猫群算法的基本思想19.2.1 基本猫群算法19.2.2 猫群算法的特点19.3 猫群算法的改进19.3.1 二进制 CSO算法19.3.2 并行 CSO算法（ PCSO、 EPCSO）19.4 猫群算法的应用19.4.1 猫群算法在混流装配线排序应用19.4.1 猫群算法在光伏 MPPT 中的应用第 20 章 人工鱼群20.1 背景来源20.2 人工鱼群算法的基本思想20.2.1 基本人工鱼群算法20.2.2 人工鱼群算法的特点20.3 AFSA的衍生算法20.3.1 简化的二进制 AFSA算法20.3.2 并行 AFSA算法（ PAFSA）20.4 AFSA的应用20.4.1 AFSA在无线网络最优簇头（ CHs）位置选择中的应用20.4.2 AFSA在社会网络社区检测问题中的应用第 21章 其他群智能算法21.1 蝙蝠算法（ BA）21.1.1 背景来源21.1.2 蝙蝠群算法的基本思想21.2 布谷鸟搜索算法（ CS）21.2.1 背景来源21.2.2 布谷鸟搜索算法的基本思想21.3 萤火虫算法（ FFA）21.3.1 背景来源21.3.2 萤火虫群算法的基本思想21.4 人工蜂群 （ ABC）21.4.1 背景来源21.4.2 人工蜂 群算法的基本思想21.5 独狼搜索算法 （ WSA）21.5.1 背景来源21.5.2 独狼搜索 算法的基本思想21.6 猴群算法（ MA ）21.6.1 背景来源21.6.2 猴群算法的基本思想本篇小结 群智能算法