仿生群智能优化算法是一种模拟自然界中生物行为的目标优化策略，在工程优化问题中应用广泛。研究更加高效的仿生群智能优化策略并将其应用于解决复杂的三维点云配准问题具有理想的发展前景。本书介绍了这一领域的最新研究成果，侧重于改进的布谷鸟搜索算法和人工蜂群算法，利用模式搜索趋化、全局侦察策略和二阶振荡机制等提出了新的改进的群智能优化算法以提高算法的性能。并应用于解决点云配准优化问题。 本书可以作为信息类、人工智能、计算机图形学、生物学、计算机科学和系统理论等相关学科专业的科研工作者、工程技术人员、高等院校教师和学生的参考书或教科书。

第一章 绪论
1.1 研究背景
1.2 仿生群智能优化算法研究现状
1.2.1 布谷鸟搜索算法研究现状
1.2.2 人工蜂群算法研究现状
1.3 本书研究思路
1.3.1 问题的提出
1.3.2 研究方案
1.4 本书研究工作
1.4.1 本书工作
1.4.2 本书结构
第二章 仿生群智能优化及点云配准相关研究进展
2.1 概述
2.2 局部开采
2.3 全局勘探
2.4 均衡搜索
2.5 点云配准
2.6 本章小结
第三章 基于模式搜索的布谷鸟搜索算法
3.1 引言
3.2 布谷鸟搜索算法及局限性
3.2.1 布谷鸟的生物机理
3.2.2 布谷鸟搜索算法原理
3.2.3 布谷鸟搜索算法的特点
3.2.4 CS算法求解全局优化问题的局限性
3.3 PSCS算法的基本策略
3.3.1 模式搜索趋化策略
3.3.2 自适应竞争排名构建机制
3.3.3 合作分享策略
3.4 计算机数值仿真实验结果与箅法比较
3.4.1 测试函数与评价标准
3.4.2 PSCS算法参数设置
3.4.3 PSCS与CS算法比较
3.4.4 与改进cS算法以及其他智能优化算法的比较
3.5 算法复杂性的分析与讨论
3.5.1 复杂性分析
3.5.2 讨论
3.6 算法在点云配准上的应用拓展
3.6.1 点云配淮优化模型
3.6.2 点云简化与特征点提取
3.6.3 基于模式搜索布谷鸟算法的点云配准优化
3.6.4 实验结果与算法比较
3.7 本章小结
第四章 基于全局侦察搜索的人工蜂群算法
4.1 引言
4.2 人工蜂群算法和侦察蜂的生物机理
4.2.1 蜜蜂的群体采蜜机理
4.2.2 人工蜂群优化算法的原理
4.2.3 人工蜂群优化算法的特点
4.2.4 侦察蜂全局快速侦察的生物机理
4.3 基于全局侦察策略改进的人工蜂群算法
4.3.1 相关定义
4.3.2 侦察蜂的全局侦察机制
4.3.3 觅食蜂的局部邻域搜索机制
4.3.4 SABC算法步骤
4.4 计算机数值仿真实验结果与讨论
4.4.1 侦察蜂规模系数对收敛的影响
4.4.2 SABC与ABC算法的实验对比
4.4.3 SABC与PS—ABC算法的实验对比
4.4.4 算法对维数变化的影响
4.4.5 与经典的不同算法的实验比较
4.4.6 计算时间复杂度分析
4.5 本章小结
第五章 基于二阶振荡扰动的人工蜂群算法
5.1 引言
5.2 基于二阶振荡扰动的人工蜂群算法
5.2.1 搜索机制
5.2.2 异步变化学习因子
5.2.3 基于目标函数值的选择寻优
5.3 数值仿真实验结果与分析
5.3.1 基准测试函数
5.3.2 参数设置
5.3.3 所提算法与其他算法的实验比较
5.4 二阶振荡扰动策略人工蜂群算法的点云配准优化
5.4.1 SOABC算法在点云配准中的应用
5.4.2 实验结果及算法分析
5.5 本章小结
第六章 总结与展望
6.1 本书工作总结
6.2 下一步研究方向
致{射
参考文献