《智能科学技术著作丛书：面向复杂系统的群集智能》是作者在国家自然科学基金项目资助下，关于群集智能与涌现计算研究成果的总结。该书从复杂系统和复杂性科学研究的角度，阐述了以蚁群和粒子群为代表的群集智能理论与方法，包括群集智能优化与应用、基于群集智能的共进化优化原理、混合变量和多群体共进化群集智能方法、基于群集智能的劳动分工（多任务蚁群劳动分工、多状态蚁群劳动分工和混合蚁群劳动分工）建模与仿真、基于群集智能的蚁群墓地构造和元胞自动机结构涌现、复杂系统视角下的群集智能分析等方面的内容。
　　《智能科学技术著作丛书：面向复杂系统的群集智能》取材新颖，内容充实，集中展示了作者近期的研究成果和国际上的前沿研究进展。

《信息科学技术学术著作丛书》序<br /><br />序一<br /><br />序二<br /><br />前言<br /><br />第一篇&nbsp;导引篇<br /><br />第1章&nbsp;绪论<br /><br />1．1&nbsp;引言<br /><br />1．2&nbsp;群集智能行为的生物原型<br /><br />1．2．1&nbsp;蚁群觅食<br /><br />1．2．2&nbsp;鸟群觅食<br /><br />1．2．3&nbsp;蚁群劳动分工<br /><br />1．2．4&nbsp;蚁群墓地构造<br /><br />1．2．5&nbsp;蜂群筑巢<br /><br />1．3&nbsp;群集智能研究进展<br /><br />1．3．1&nbsp;群集智能系统结构<br /><br />1．3．2&nbsp;群集智能模型与算法<br /><br />1．3．3&nbsp;群集智能典型应用<br /><br />1．3．4&nbsp;群集智能发展展望<br /><br />1．4&nbsp;群集智能特性分析及其对复杂系统研究的意义<br /><br />1．4．1&nbsp;群集智能特性分析<br /><br />1．4．2&nbsp;群集智能对复杂系统研究的意义<br /><br />1．5&nbsp;本书的主要内容<br /><br />1．6&nbsp;本书的篇章结构<br /><br />参考文献<br /><br />第二篇&nbsp;主体篇<br /><br />第2章&nbsp;群集智能优化的算法理论与算法改进<br /><br />2．1&nbsp;群集智能优化概述<br /><br />2．2&nbsp;群集智能优化算法及其理论分析<br /><br />2．2．1&nbsp;微粒群算法<br /><br />2．2．2&nbsp;蚁群算法<br /><br />2．2．3&nbsp;人工蜂群算法<br /><br />2．2．4&nbsp;微粒群算法的理论分析<br /><br />2．3&nbsp;微粒群算法的稳定性<br /><br />2．3．1&nbsp;生物学背景<br /><br />2．3．2&nbsp;带被动c-聚集的微粒群算法<br /><br />2．3．3&nbsp;近邻个体交互微粒群算法<br /><br />2．3．4&nbsp;近邻个体交互微粒群算法的李雅普诺夫稳定性分析<br /><br />2．3．5&nbsp;带主动c-聚集的微粒群算法<br /><br />2．3．6&nbsp;PSOAC算法的一致渐近稳定性分析<br /><br />2．3．7&nbsp;基于群体决策信息的微粒群算法<br /><br />2．4&nbsp;最大速度上限的改进策略<br /><br />2．4．1&nbsp;最大速度常数的研究现状<br /><br />2．4．2&nbsp;最大速度上限的作用<br /><br />2．4．3&nbsp;最大速度上限的随机策略<br /><br />2．5&nbsp;具有确定认知策略的混合微粒群算法<br /><br />2．5．1&nbsp;标准微粒群算法的局部收敛性能分析<br /><br />2．5．2&nbsp;具有确定认知策略的混合微粒群算法原理<br /><br />2．5．3&nbsp;非稳定线性系统逼近问题<br /><br />2．6&nbsp;自适应分工微粒群算法<br /><br />2．6．1&nbsp;微粒群算法中的自适应分工原理<br /><br />2．6．2&nbsp;局部环境因子和种群自适应分工策略<br /><br />2．6．3&nbsp;ADPS0算法的结构与实现<br /><br />2．6．4&nbsp;ADPSO算法的性能分析<br /><br />2．7&nbsp;群集智能优化方法的综合应用实例<br /><br />2．7．1&nbsp;问题的描述<br /><br />2．7．2&nbsp;并行公差优化设计问题的模型转换<br /><br />2．7．3&nbsp;面向并行公差优化设计的混合群集智能算法<br /><br />2．7．4&nbsp;综合求解实例<br /><br />2．8&nbsp;小结<br /><br />参考文献<br /><br />第3章&nbsp;基于群集智能的复杂系统共进化<br /><br />3．1&nbsp;引言<br /><br />3．2&nbsp;复杂系统的共进化机制分析<br /><br />3．2．1&nbsp;生物系统中的进化与共进化<br /><br />3．2．2&nbsp;基于遗传算法的共进化机制<br /><br />3．2．3&nbsp;群集智能中的共进化机制<br /><br />3．2．4&nbsp;复杂系统共进化的研究思路<br /><br />3．3&nbsp;共进化问题求解的基本原理<br /><br />3．3．1&nbsp;复杂问题求解的一般过程<br /><br />3．3．2&nbsp;“问题空间-算子空间-解空间”的共进化求解原理<br /><br />3．3．3&nbsp;问题空间与解空间的共进化<br /><br />3．3．4&nbsp;算子空间与解空间的共进化<br /><br />3．3．5&nbsp;问题空间与算子空间的共进化<br /><br />3．4&nbsp;基于群集智能的多目标共进化优化方法<br /><br />3．4．1&nbsp;多目标优化问题及其求解分析<br /><br />3．4．2&nbsp;面向离散变量的CACSM算法<br /><br />3．4．3&nbsp;面向连续变量的MOPSO算法<br /><br />3．5&nbsp;基于群集智能的多群体共进化优化方法<br /><br />3．5．1&nbsp;问题求解背景<br /><br />3．5．2&nbsp;面向问题的多群体共进化蚁群优化方法<br /><br />3．5．3&nbsp;问题空间一解空间共进化优化的应用实例<br /><br />3．6&nbsp;小结<br /><br />参考文献<br /><br />第4章&nbsp;蚁群劳动分工建模与仿真<br /><br />4．1&nbsp;引言<br /><br />4．1．1&nbsp;蚁群劳动分工模型研究概述<br /><br />4．1．2&nbsp;应用背景分析<br /><br />4．2&nbsp;蚁群劳动分工模型<br /><br />4．2．1&nbsp;群体动力学模型<br /><br />4．2．2&nbsp;固定响应阈值模型<br /><br />4．2．3&nbsp;时变响应阈值模型<br /><br />4．2．4&nbsp;分析说明<br /><br />4．3&nbsp;多任务蚁群劳动分工建模与仿真<br /><br />4．3．1&nbsp;研究背景<br /><br />4．3．2&nbsp;多任务蚁群劳动分工模型的设计与实现<br /><br />4．3．3&nbsp;供应链式虚拟企业仿真<br /><br />4．3．4&nbsp;组织虚拟式虚拟企业仿真<br /><br />4．3．5&nbsp;分析讨论<br /><br />4．4&nbsp;多状态蚁群劳动分工建模与仿真<br /><br />4．4．1&nbsp;研究背景<br /><br />4．4．2&nbsp;多状态蚁群劳动分工模型的设计与实现<br /><br />4．4．3&nbsp;基于多状态蚁群劳动分工模型的仿真实例<br /><br />4．5&nbsp;多项目调度蚁群劳动分工模型建立及其求解<br /><br />4．5．1&nbsp;多项目调度问题描述<br /><br />4．5．2&nbsp;多项目调度蚁群劳动分工模型的设计与实现<br /><br />4．5．3&nbsp;基于多项目调度蚁群劳动分工模型的仿真实例<br /><br />4．6&nbsp;基于精英策略的蚁群劳动分工模型优化<br /><br />4．6．1&nbsp;研究思路<br /><br />4．6．2&nbsp;基于精英策略的蚁群劳动分工模型优化方法与实现<br /><br />4．7&nbsp;小结<br /><br />参考文献<br /><br />第5章&nbsp;群集智能作用下的结构涌现<br /><br />5．1&nbsp;引言<br /><br />5．2&nbsp;基于蚁群墓地构造的聚类模型及其应用<br /><br />5．2．1&nbsp;基于蚁群墓地构造的聚类模型<br /><br />5．2．2&nbsp;蚁群聚类模型的并行化及有关说明<br /><br />5．2．3&nbsp;基于蚁群聚类模型的机构轨迹综合<br /><br />5．3&nbsp;基于蜂群筑巢的实体结构涌现模型及其应用<br /><br />5．3．1&nbsp;社会性昆虫群体的筑巢行为<br /><br />5．3．2&nbsp;基于群集智能的筑巢模型及其实现算法<br /><br />5．3．3&nbsp;基于筑巢模型的结构涌现仿真分析<br /><br />5．4&nbsp;基于元胞自动机的实体结构涌现模型及其应用<br /><br />5．4．1&nbsp;基于元胞自动机的连续结构涌现模型<br /><br />5．4．2&nbsp;基于元胞自动机的连续结构涌现模型的相关性能分析<br /><br />5．4．3&nbsp;基于连续结构涌现模型的拓扑优化设计实例<br /><br />5．5&nbsp;基于社会网络的虚拟结构涌现模型及其应用<br /><br />5．5．1&nbsp;社会网络结构涌现的有关说明<br /><br />5．5．2&nbsp;社会网络的结构涌现<br /><br />5．5．3&nbsp;社会网络中社区结构涌现的实例分析<br /><br />5．6&nbsp;小结<br /><br />参考文献<br /><br />第三篇&nbsp;扩展篇<br /><br />第6章&nbsp;群集智能的新发展――社会情感计算<br /><br />6．1&nbsp;引言<br /><br />6．2&nbsp;社会情感优化算法概述<br /><br />6．2．1&nbsp;社会情感理论<br /><br />6．2．2&nbsp;标准社会情感优化算法<br /><br />6．3&nbsp;基于情感强度第三定律的社会情感优化算法<br /><br />6．4&nbsp;引入情绪调整策略的小世界社会情感优化算法<br /><br />6．4．1&nbsp;算法思路<br /><br />6．4．2&nbsp;数值实验仿真<br /><br />6．4．3&nbsp;人工神经网络的训练<br /><br />6．5&nbsp;社会情感优化算法的适应值预测策略<br /><br />6．5．1&nbsp;引言<br /><br />6．5．2&nbsp;基于适应值的加权平均预测思想<br /><br />6．5．3&nbsp;基于适应值的加权平均预测公式<br /><br />6．5．4&nbsp;预测的比例讨论<br /><br />6．6&nbsp;小结<br /><br />参考文献<br /><br />第7章&nbsp;群集智能与人工神经网络和人工免疫系统的关系<br /><br />7．1&nbsp;引言<br /><br />7．2&nbsp;人工神经网络与人工免疫网络概述<br /><br />7．2．1&nbsp;人工神经网络生物原型与算法<br /><br />7．2．2&nbsp;人工免疫系统生物原型与算法<br /><br />7．3&nbsp;群集智能与人工神经网络的相似性<br /><br />7．3．1&nbsp;系统结构的相似性<br /><br />7．3．2&nbsp;学习机制的相似性<br /><br />7．3．3&nbsp;反馈机制的对比分析<br /><br />7．3．4&nbsp;问题求解的对比分析<br /><br />7．4&nbsp;群集智能与人工免疫系统的关联性<br /><br />7．4．1&nbsp;相似性分析<br /><br />7．4．2&nbsp;差异性分析<br /><br />7．4．3&nbsp;问题求解的对比分析<br /><br />7．5&nbsp;小结<br /><br />参考文献<br /><br />第8章&nbsp;人工蜂群算法与人工免疫网络系统的融合<br /><br />8．1&nbsp;引言<br /><br />8．2&nbsp;人工蜂群算法概述<br /><br />8．2．1&nbsp;基本人工蜂群算法<br /><br />8．2．2&nbsp;人工蜂群算法模型<br /><br />8．3&nbsp;人工蜂群算法与人工免疫算法的融合机理<br /><br />8．4&nbsp;混合算法在工程约束优化参数设计中的应用<br /><br />8．4．1&nbsp;约束优化问题的数学模型<br /><br />8．4．2&nbsp;仿真实验<br /><br />8．4．3&nbsp;仿真结果分析<br /><br />8．5&nbsp;具有多峰特性的多项目调度问题的混合算法求解<br /><br />8．5．1&nbsp;问题背景<br /><br />8．5．2&nbsp;MRCMPSP问题数学模型及其约束简化<br /><br />8．5．3&nbsp;混合算法对MRCMPSP问题的求解<br /><br />8．5．4&nbsp;数值实例<br /><br />8．6&nbsp;小结<br /><br />参考文献<br /><br />索引<br /><br />后记