前言PREFACE

在智能计算领域，生物界某些个体或群体的行为特征、演化特性给予研究人员很多启示，因此许多模拟生物行为和现象的优化算法应运而生，上述研究统称为生物启发式计算方法。生物行为有多种，觅食行为是生物生存及繁殖的重要行为，不同类型的生物，从低等单细胞细菌到高等动物都具有不同的觅食行为模式，有关模拟生物觅食行为规律的启发式计算方法自从提出以来，一直受到国内外学者和工程技术人员的广泛关注。

尽管基于生物觅食行为的启发式计算研究日趋成熟，但通过分析现有研究可以看出，在求解复杂的实际问题的过程中，我们在保持算法的多样性，兼顾全局与局部搜索的均衡，实现算法参数自适应优化，有效克服算法的"早熟收敛"问题，提高算法的搜索效率和收敛精度等方面尚存在较大的改进空间。

本书利用自然生物最优觅食理论、复杂自适应系统等成果，在国内外生物启发式计算相关工作的基础上，从生物建模、算法设计、工程应用层面，针对基于觅食行为的生物启发式算法展开了深入的研究，并结合数据聚类分析、彩色图像处理等典型实际问题设计了新的求解方法，为从事相关优化方法研究的科研工作者提供可借鉴的理论指导。

本书分为6章，内容涵盖了以下几方面：

（1）针对传统基于单层生物启发式优化模型的原始蜂群算法存在"早熟收敛"问题，将层次型信息交流拓扑结构引入人工蜂群觅食模型中，提出基于层次型信息交流机制的多蜂群协同进化算法，实现在搜索过程中维持整个种群多样性的进化。通过仿真实验表明，该方法能够有效地保持整个种群的多样性，有效地提升了算法的收敛速度与收敛精度。

（2）从能量变化角度出发，构建基于生命周期优化模型。在此基础上，针对传统的菌群优化算法进行改进，设计了一种基于生命周期的菌群觅食自适应优化算法。将大肠杆菌（escherichia coli，E.Coli）种群按照生命周期进行演化，即大肠杆菌个体在觅食过程中获取能量、消耗能量并动态地分裂、死亡和迁移，种群规模随环境变化进行适应性变化。通过仿真实验表明，本书建立的大肠杆菌菌群优化模型符合微生物生命周期变化规律，函数测试结果验证了算法具有较好的优化性能。

（3）针对传统模糊C-均值算法易陷入局部极小值，对初始值和噪声数据敏感等不足，引入基于层次型信息交流机制的多蜂群协同进化思想，提出基于MCABC-FCM的聚类优化算法，并应用于教学评估中。实例仿真表明，相对于传统FCM聚类算法，该方法在寻优能力、收敛速度方面得到显著提高，与此同时，评价效果更具有代表性。

（4）将基于生命周期的菌群觅食自适应优化算法用于图像处理中，提出一种新的多阈值图像分割算法，融合群体并行搜索且不易陷入局部最优的特点，以寻找图像分割的最优阈值组合，并最大限度地提高寻优精度和效率。通过图像的仿真证明该方法的分割结果更加精确，极大地降低了多阈值分割的计算时间，为解决类似工程问题提供了新的思路。

（5）以植物根系自适应生长及觅食行为建模、仿真研究为基础，设计一种新型生物启发式计算模式——混合人工植物根系自适应生长优化算法。通过在标准测试函数上的仿真分析，植物根系生长优化具有良好的优化精度和收敛速度，为求解实际工程应用中的连续优化和动态优化问题提供了新的思路。

感谢清华大学出版社盛东亮老师的大力支持，他认真细致的指导，保证了本书的质量。

由于作者水平有限，书中难免有疏漏和不足之处，恳请读者批评指正！

作者

2022年1月