内容简介

《群体智能预测与优化》是智能科学技术应用丛书之一。《群体智能预测与优化》研究的是群体智能预测与优化。《群体智能预测与优化》可为群体智能研究者提供一定的参考。《群体智能预测与优化》阐述和分析生物群体、人类社会在形成、发展过程中，所呈现的协调配合、相互学习、协同决策、分工协作等现象，分析了“人工群体智能”的研究视角，凝炼了“人工群体智能”的关键要素，构建了学习意义下的“广义群体智能”的框架，给出了群体建模预测与优化的新方法，论述了在物流、化工等领域的预测与优化的应用实例。

图书目录

第1章绪论1.1群体智能的基本概念1.2群体智能面临的两类问题1.2.1预测模型1.2.2优化问题1.3群体智能解决问题的途径1.3.1群体预测和个体预测的区别与联系1.3.2群体优化和个体优化的区别与联系1.4群体智能的一般框架1.4.1群体智能遵循的原则和特点1.4.2群体智能的一般框架1.5群体智能的研究途径1.5.1研究视角1.5.2研究方法第2章生物群体与群体智能2.1生物学与群体智能2.1.1生物学的几个分支2.1.2生物学对人工群体智能的启示2.2典型的生物群体2.2.1集群微生物和集群无脊椎动物2.2.2社会昆虫2.2.3非人类的脊椎动物2.2.4人类社会2.2.5其他2.2.6社会与智能2.3生物群体的社会性2.3.1群体组织结构2.3.2个体间的交互2.3.3群体发展动力2.3.4小结2.4群体智能的共性要素2.4.1时空环境2.4.2组织结构2.4.3通信与语言2.4.4竞争与合作2.4.5记忆与学习2.4.6决策与智慧第3章学习意义下的广义群体智能框架3.1群体智能与进化3.2群体智能与学习3.3学习意义下的广义群体智能框架3.4构建有效的群体智能算法3.4.1群体智能系统设计的一般原理3.4.2构建有效的群体智能预测算法3.4.3构建有效的群体智能优化算法第4章神经网络集成概述4.1集成学习概述4.1.1集成学习的概念和核心思想4.1.2个体学习器与集成的性能指标4.2集成学习方法中的群体智能思想4.2.1Bagging方法4.2.2Boosting方法4.2.3Stacking方法4.2.4选择性集成4.2.5构造型集成4.3神经网络集成概述4.3.1神经网络集成的提出4.3.2集成中个体网络的生成方法4.3.3集成的结论生成方法4.4建立预测模型时存在的问题第5章神经网络集成改进方法研究5.1群体神经网络中的选择5.1.1选择的准则5.1.2选择的方法及存在的问题5.1.3基于改进贪心法的个体网络选择方法5.1.4仿真实例5.1.5小结5.2群体神经网络的多层结构5.2.1选择性神经网络二次集成概述5.2.2两次集成中选择方法的匹配5.2.3基于GF方法的神经网络二次集成的实现5.2.4仿真实验5.2.5小结5.3群体神经网络的结论决策5.3.1常用结论生成方法及存在的问题5.3.2基于改进的粒子群优化（PSO）算法的结论生成方法5.3.3基于改进PSO算法的仿真实验研究5.3.4基于改进PSO算法的结论生成方法小结5.4基于混合算法的神经网络集成5.4.1GF方法和改进PSO算法的结合5.4.2基于CF方法一改进PSO算法的实例仿真实验5.4.3讨论与结论5.5小结第6章神经网络集成应用实例6.1构效关系预测模型6.1.1引言6.1.2基于随机采样技术和GFA方法的选择性神经网络二次集成6.1.3苯乙酰胺类除草剂QSAR的神经网络集成模型6.2物流中心选址模型6.2.1引言6.2.2基于Bootstrap采样技术和PSO算法的神经网络二次集成模型6.2.3物流中心选址实例研究6.3发射药近红外光谱定量分析预测模型6.3.1研究的背景6.3.2发射药成分的近红外光谱分析6.3.3单个神经网络在建模中存在的问题6.3.4基于小波变换——神经网络集成的预测模型6.3.5基于改进神经网络集成的发射药近红外光谱定量分析预测模型6.4疾病诊断预测模型6.4.1研究的背景和意义6.4.2单个网络建立诊断模型时存在的问题6.4.3基于神经网络集成的疾病诊断6.4.4改进的神经网络集成方法在乳腺癌诊断中的应用第7章粒子群优化算法概述7.1基本PSO算法7.2性能评价与“探索—开发”的平衡7.2.1性能评价7.2.2“探索—开发”的平衡7.3群体智能框架下的PSO算法分析与改进7.3.1社会结构和通信方式7.3.2学习与记忆7.3.3群体策略行动第8章基于集成学习的粒子群算法第9章基于多智体和多软件人系统协调的展望参考文献后记致谢