《群体智能——原理、改进与实现》系统介绍了群体智能优化算法的理论基础和核心思想，并结合具体实例展示了算法在工程中的实际应用。书中对多种群体智能优化算法进行了分类讨论，深入分析其原理、改进策略及时间复杂度，帮助读者全面掌握算法结构与优化技巧。在柔性作业车间调度的工程背景下，本书使用粒子群算法、模拟退火算法、斑马优化算法和雾凇优化算法对调度问题进行求解，彰显了群体智能算法的鲁棒性。此外，附录提供了程序源代码和参考资源，便于读者在学习中进行对照实验。本书深入浅出，层次分明，实例丰富，突出实用，特别适合作为普通高等院校计算机类、自动化类、电子信息类和人工智能等领域的教学用书，还可作为高职高专以及培训班的教材使用，同时也适合相关领域的研究人员和工程技术人员作为参考。

前言

在当今快速发展的科技时代，群体智能优化算法已成为解决复杂系统优化问题的重要工具。从自然界中的生物群体行为中汲取灵感，群体智能算法通过模拟生物群体的合作与竞争机制，为工程优化、机器学习、数据挖掘等领域提供了新的解决方案。本书旨在为读者提供一个全面、系统的群体智能优化算法的研究和应用指南。

本书基于作者多年的研究和教学经验，力求将理论与实践相结合，使读者不仅能够理解群体智能算法的原理，而且能够将这些算法应用于实际问题的解决中。书中详细介绍了群体智能算法的数学模型、优化策略和编程实现，旨在帮助读者掌握群体智能算法的设计和改进方法。

在撰写本书的过程中，我们特别注重算法的实用性和可操作性，通过大量的实例和案例分析，使读者能够直观地理解算法的应用效果。同时，书中还提供了丰富的习题和编程练习，以加深读者对群体智能算法的理解和应用能力。

我们希望本书能够成为群体智能领域的研究者和实践者的宝贵资源，无论是作为高等院校的教学参考书，还是作为科研人员和工程师的工具书，都能够发挥其应有的价值。最后，感谢所有为本书的编写和出版提供帮助的同仁，以及对群体智能算法研究作出贡献的学者们。

作者

唐浩，海南大学博士生导师，海南省“南海新星”产业创新人才，海南自由贸易港拔尖人才。主要研究方向为人工智能与智能工厂关键技术，主持国家自然科学基金、海南省重点研发等科研项目10余项。近年来在IEEETFS、IEEETIM、IEEETCE、IEEEIOTJ、RCIM等高水平期刊发表SCI论文50余篇，申请发明专利20余项。徐博，海南大学博士生导师，研究方向涵盖特殊信号处理、智能算法研究及智能汽车技术。发表学术论文20余篇，主持或参与科研项目10余项。王咸鹏，国家级青年人才，海南大学教授。长期从事无线高性能通信领域研究，主持国家自然科学基金、国家重点研发计划重点专项、国家重点实验室开放课题等项目10余项。发表论文100余篇，包括IEEE、IET、《通信学报》等国内外权威期刊论文60余篇；出版专/译著2部；获授权发明专利15项。张卫东，上海交通大学讲席教授，国家级人才，德国洪堡学者。现任上海高校船舶自动化工程研究中心主任、海洋智能系统教育部工程研究中心主任。研究方向为智能控制理论和人工智能理论及其在海上无人系统中的应用。出版英文专著1部；发表SCI论文200余篇；申请国家发明专利62项。

目录

第1章绪论

1.1群体智能优化算法简介

1.2群体智能算法的核心思想

1.3群体智能算法的研究意义、应用和发展

1.3.1群体智能算法的研究意义

1.3.2群体智能算法的应用和发展

1.4习题

第2章最优化问题

2.1最优化问题的定义和分类

2.1.1最优化问题的定义

2.1.2最优化问题的分类

2.2局部最优解和全局最优解

2.3最优化问题实例

2.3.1函数的最值问题

2.3.20?1背包问题

2.3.3柔性作业车间调度问题

2.4复杂度和NP问题

2.5习题

第3章群体智能优化算法的分类

3.1精确算法和群体智能算法

3.1.1精确算法

3.1.2群体智能算法

3.2仿生型算法

3.2.1仿生行为算法

3.2.2仿生过程算法

3.3非仿生型算法

3.4算法框架

3.5习题

第4章粒子群算法

4.1粒子群算法简介

4.2原始粒子群算法

4.2.1速度和位置初始化

4.2.2个体历史最优和全局历史最优

4.2.3速度和位置更新

4.3标准粒子群算法

4.4关键参数设置

4.5粒子群算法的基本框架

4.6粒子群算法的改进策略

4.6.1粒子群算法存在的问题

4.6.2二进制粒子群算法

4.6.3自适应惯性权重

4.6.4自适应认知权重

4.7原始粒子群算法的时间复杂度

4.8实例应用

4.8.1求解函数最值

4.8.2拉压弹簧设计

4.8.3压力容器设计

4.9习题

第5章模拟退火算法

5.1模拟退火算法的思想

5.1.1退火现象

5.1.2Metropolis准则

5.1.3算法原理

5.2模拟退火算法的设计

5.3模拟退火算法的基本框架

5.4模拟退火算法的改进策略

5.4.1模拟退火算法存在的问题

5.4.2增加保留算子策略

5.4.3多粒子寻优策略

5.4.4重升温策略

5.4.5多普勒型降温策略

5.5模拟退火算法的时间复杂度

5.6实例应用

5.6.1求解函数最值

5.6.2拉压弹簧设计

5.6.3压力容器设计

5.7习题

第6章斑马优化算法

6.1斑马优化算法简介

6.1.1算法灵感

6.1.2优化问题解的模型

6.2种群位置更新策略

6.2.1觅食阶段

6.2.2防御阶段

6.3斑马优化算法的基本框架

6.4斑马优化算法的时间复杂度

6.5实例应用

6.5.1求解函数最值

6.5.2拉压弹簧设计

6.5.3压力容器设计

6.6习题

第7章雾凇优化算法

7.1雾凇优化算法简介

7.1.1算法灵感

7.1.2优化问题解的模型

7.2群体状态更新策略

7.2.1软雾凇搜索策略

7.2.2硬雾凇穿刺机制

7.2.3正贪婪选择机制

7.3雾凇优化算法的基本框架

7.4雾凇优化算法的时间复杂度

7.5实例应用

7.5.1求解函数最值

7.5.2拉压弹簧设计

7.5.3压力容器设计

7.6算法性能对比

7.6.1求解函数最值问题的性能对比

7.6.2求解拉压弹簧设计问题的性能对比

7.6.3求解压力容器设计问题的性能对比

7.7习题

第8章群体智能优化算法解决FJSP

8.1FJSP

8.1.1基本概念

8.1.2FJSP的分类

8.1.3FJSP的评价指标

8.1.4活动调度说明

8.2使用斑马优化算法解决FJSP

8.2.1编码和解码方案

8.2.2初始化

8.2.3种群更新

8.2.4实例验证

8.3使用雾凇优化算法解决FJSP

8.3.1编码和解码方案

8.3.2初始化

8.3.3位置更新策略

8.3.4实例验证

8.4使用混合离散粒子群算法和模拟退火算法解决FJSP

8.4.1编码和解码方案

8.4.2初始化

8.4.3基于离散粒子群算法的全局搜索

8.4.4基于模拟退火算法的局部搜索

8.4.5实例验证

8.5算法性能对比

附录A

参考文献