《现代智能仿生算法及其应用》从仿生学的角度出发，研究了智能科学的发展方向，全面系统地提出了智能仿生算法的概念及其研究内容，详细介绍了目前常用的几种主要智能仿生算法，主要介绍了作者近年来在智能仿生算法及其应用方面的一些研究成果。其内容包括改进的多种进化神经网络及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂tsp等问题上的应用；另外，还介绍了免疫遗传算法、免疫进化规划等。为了内容的系统全面性，最后简单介绍几个新近发展的新算法，即模拟鱼群行为的鱼群算法、模拟人口迁移的迁移算法、模拟蜂群行为的蜂群算法等。<br>    《现代智能仿生算法及其应用》可供从事计算机科学、计算智能、人工智能等专业的研究人员参考，也可作为研究智能仿生算法及应用的科技人员的参考书和研究生教材。

1 绪论<br>1.1 智能科学及其内容<br>1.2 智能仿生算法及其内容<br>参考文献<br>2 人工神经网络<br>2.1 人工神经网络的生物基础<br>2.2 人工神经网络的发展<br>2.3 人工神经网络的基本模型及其算法<br>2.4 bp网络及其改进<br>2.5 人工神经网络在非线性时序预测中的应用研究<br>参考文献<br>3 进化算法<br>3.1 进化算法的生物基础<br>3.2 进化算法的分类<br>3.3 遗传算法<br>3.4 进化规划<br>3.5 进化策略及遗传规划<br>3.6 进化算法的设计<br>参考文献<br>参考文献<br>附录a 用于无约束优化的典型测试函数<br>附录b 用于约束优化的典型测试函数<br>4 进化神经网络<br>4.1 进化神经网络的生物基础<br>4.2 进化神经网络的基本模型<br>4.3 进化神经网络算法<br>4.4 进化神经网络的应用<br>参考文献<br>5 蚁群算法<br>5.1 蚁群算法的生物基础<br>5.2 蚁群算法的基本模型<br>5.3 蚁群算法的改进研究<br>5.4 改进蚁群算法的应用<br>5.5 蚁群算法的其他模型及其应用<br>5.6 蚁群算法的典型应用<br>5.7 蚁群算法的比较研究<br>参考文献<br>6 粒子群优化算法<br>6.1 引言<br>6.2 生物学背景：人工生命<br>6.3 算法介绍<br>6.4 粒子群优化算法的参数设置<br>6.5 遗传算法和粒子群优化算法的比较<br>6.6 粒子群优化算法和人工神经网络的融合<br>6.7 粒子群优化算法的应用<br>6.8 粒子群优化算法的发展<br>7 免疫算法<br>7.1 免疫算法的生物学基础——生物免疫系统<br>7.2 免疫算法的基本模型及算法<br>7.3 免疫算法与其他算法的结合<br>7.4 人工免疫系统的应用<br>7.5 人工免疫系统的发展<br>参考文献<br>8 细胞自动机<br>8.1 细胞自动机简介<br>8.2 细胞自动机的一般描述<br>8.3 细胞自动机的物理描述<br>8.4 细胞自动机的数学描述<br>8.5 细胞自动机的特征<br>8.6 细胞自动机的典型应用<br>参考文献<br>9 智能仿生算法的新进展<br>9.1人工鱼群算法<br>9.2 人口迁移算法<br>9.3人工蜂群算法<br>参考文献