本书以人工鱼群算法、烟花爆炸优化算法两个典型的群体智能算法为主，系统介绍了算法的原理，建立了基于协作、竞争机制的群体智能算法的数学模型。全书着重分析了人工鱼群算法和烟花爆炸优化算法的弱点，并提出了多种新颖的改进机制，给出了算法的详细实现步骤。本书还详细探讨了部分群体智能算法在VRP问题、图像边缘检测、SVM反问题、网络态势预测、数据聚类、特征选择等领域内的应用，并介绍了近年来出现的两个比较新颖的群体智能算法，顾问引导搜索算法和教—学优化算法。

第1章群体智能算法概述
1.1群体智能算法的特点
1.1.1智能性
1.1.2隐含本质并行性
1.1.3解的近似性
1.2群体智能算法的计算模式
1.2.1社会协作机制
1.2.2自我适应机制
1.2.3竞争机制
1.3遗传算法
1.3.1标准遗传算法原理
1.3.2编码机制与主要算子
1.4差异演化算法
1.5粒子群算法
1.5.1粒子群算法的原理
1.5.2PSO算法的计算模型
1.6教-学优化算法
1.7顾问引导搜索算法
1.8本章小结
参考文献

第2章人工鱼群算法
2.1人工鱼群算法的数学模型
2.2人工鱼群算法的收敛性分析
2.2.1常用距离
2.2.2基于Markfov链技术的收敛性分析
2.2.3基于压缩映射定理的收敛性分析
2.3人工鱼群算法的相关研究
2.3.1参数的改进
2.3.2与其他智能算法的融合
2.3.3其他的改进方法
2.4本章小结
参考文献

第3章人工鱼群算法的改进研究
3.1小生境人工鱼群算法
3.1.1小生境技术
3.1.2算法实现
3.1.3算法的收敛性
3.1.4仿真实验与分析
3.1.5结论
3.2自适应人工鱼群算法
3.2.1参数自适应机制
3.2.2算法实现
3.2.3仿真实验与分析
3.2.4结论
3.3基于种群分类的人工鱼群算法
3.3.1种群分类思想及设置
3.3.2算法实现
3.3.3仿真实验与分析
3.3.4结论
3.4混和反向学习人工鱼群算法
3.4.1反向学习
3.4.2佳点集
3.4.3人工鱼群算法的改进机制
3.4.4仿真实验与分析
3.4.5结论
3.5精英竞争人工鱼群算法
3.5.1基于动态随机搜索的精英训练
3.5.2算法实现
3.5.3仿真实验与分析
3.5.4结论
3.6随机游走人工鱼群算法
3.6.1LévyFlight机制
3.6.2算法改进思想
3.6.3算法实现
3.6.4仿真实验与分析
3.6.5结论
3.7混合群搜索人工鱼群算法
3.7.1标准群搜索优化算法
3.7.2群搜索优化算法的改进
3.7.3混合群搜索人工鱼群算法
3.7.4仿真实验与分析
3.7.5结论
3.8本章小结
参考文献

第4章烟花爆炸优化算法及改进
4.1烟花爆炸优化算法
4.2混沌烟花爆炸优化算法
4.2.1混沌搜索算法
4.2.2算法实现
4.2.3仿真实验与分析
4.2.4结论
4.3混合动态搜索烟花爆炸优化算法
4.3.1算法实现
4.3.2仿真实验与分析
4.3.3结论
4.4混合反向学习烟花爆炸优化算法
4.4.1精英反向学习
4.4.2基于模拟退火机制的种群选择
4.4.3算法实现
4.4.4仿真实验与分析
4.4.5结论
4.5随机游走烟花爆炸优化算法
4.5.1基于随机游走机制的变异算子
4.5.2基于Boltzmann子个体选择
4.5.3算法实现
4.5.4仿真实验与分析
4.5.5结论
4.6本章小结
参考文献

第5章群体智能算法的应用
5.1物流配送中的车辆调度问题
5.1.1问题的提出
5.1.2组合优化
5.1.3车辆调度问题的数学模型
5.1.4求解VRP的混合人工鱼群遗传算法
5.1.5仿真实验结果
5.2求解SVM反问题的差异演化算法
5.2.1问题的提出
5.2.2差异演化算法的设计
5.2.3差异演化算法的改进
5.2.4仿真实验结果
5.3求解聚类问题的人工鱼群算法
5.3.1聚类模型
5.3.2算法的设计
5.3.3算法实现
5.3.4仿真实验结果
5.4求解测试用例自动化问题的人工鱼群算法
5.4.1路径测试模型
5.4.2混沌搜索
5.4.3算法的设计
5.4.4仿真实验结果
5.5求解关联规则挖掘的差异演化算法
5.5.1规则挖掘
5.5.2算法的设计
5.5.3仿真实验结果
5.6求解特征选择的人工鱼群算法
5.6.1特征选择
5.6.2算法的设计
5.6.3仿真实验结果
5.7求解网络安全态势预测的人工鱼群算法
5.7.1网络安全态势预测模型
5.7.2算法的设计
5.7.3仿真实验结果
5.8求解图像边缘检测的遗传算法
5.8.1数字图像边缘
5.8.2Sobel边缘检测算子
5.8.3面向图像边缘检测的遗传算法
5.8.4仿真实验结果
5.8.5结论
5.9本章小结
参考文献
第6章总结与展望