人工智能技术仿生智能计算算法、应用与实践探索——评《仿生智能计算中的粒子群优化算法及应用》

书名：《仿生智能计算中的粒子群优化算法及应用》

作者：高鹰，［美］高翔

出版社：科学出版社

ISBN：978-7-0305-9251-4

出版时间：2018 年11 月

定价：98 元

粒子群优化算法是一种新的模仿鸟类群体行为的智能优化算法，是群体智能优化算法的一个重要分支，已成为国际上仿生智能计算领域里的研究热点和重点之一。《仿生智能计算中的粒子群优化算法及应用》一书获广东科学技术学术专著项目“仿生智能计算中的粒子群优化算法及应用”(2017A030304010)资金资助，由高鹰,[美]高翔编著、科学出版社出版，系统论述了仿生智能计算中的粒子群优化算法及在盲信号分离、隐马尔可夫模型优化、网络编码优化、股票价格预测、多路回波消除和FIR SIMO信道盲辨识等中的应用。

《仿生智能计算中的粒子群优化算法及应用》全书共分为六章。第一章，优化问题和仿生智能计算，介绍了现实世界中优化问题的数学模型、解决优化问题的途径和方法、仿生智能计算和粒子群优化算法的起源、发展及应用等内容；第二章，模仿鸟群觅食行为的粒子群优化算法，介绍了基本粒子群优化算法、标准粒子群优化算法、离散粒子群优化算法、粒子群优化算法的拓扑结物、粒子群优化算法中粒子的行为分析和标准粒子群优化算法的随机收敛性分析及参数选择等内容；第三章，形式多样的粒子群优化算法，介绍了具有遗传特性的粒子群优化算法、自适应扩展粒子群优化算法、带免疫性质的粒子群优化算法、混沌粒子群优化算法、引入模拟退火机制的粒子群优化算法、多种群竞争粒子群优化算法、基于聚类的多子群粒子群优化算法、带极值扰动的自适应粒子群优化算法、分组粒子群优化算法、协同粒子群优化算法和带扰动因子的布尔型离散粒子群优化算法等内容；第四章，无速度项的粒子群优化算法，介绍了Bare-Bones粒子群优化算法及分析、具有重心无速度项的粒子群优化算法、具有惯性遗忘因子和重心的粒子群优化算法、简化的粒子群优化算法、一般化的粒子群优化算法及分析和具有量子行为的粒子群优化算法等内容；第五章，分布估计粒子群优化算法，介绍了分布估计算法、基于分布估计的离散粒子群优化算法、基于认知种群的分布估计粒子群优化算法、结合云模型的分布估计粒子群代化算法和基于Copula的分布估计粒子群优化算法等内容；第六章,粒子群优化算法的应用，介绍了在盲信号分离中的应用、基于粒子群优化算法的隐马尔可夫模型优化、基于布尔型粒子群优化算法的网络编码优化、粒子群优化算法在股票价格预测中的应用、在多路回波消除中的应用和粒子群优化算法用于FIR SIMO 信道盲辨识等内容。

粒子群优化算法是一种新的模仿鸟类群体行为的智能优化算法，自1995 年由R.Ebehtart 和J.Kenndey 首次提出以来，由于它直观的背景、简洁而容易实现的特点，以及对于不同类型函数广泛的适应性，逐渐引起了研究人员的注意。粒子群优化算法是群体智能优化算法的一个重要分支，20 多年来，粒子群优化算法的理论与应用研究都取得了很大的进展，算法的应用也已经在不同学科中得以实现，也成为国际上仿生智能计算领域研究热点和重点之一。

全书以粒子群优化算法的发展和作者对其研究与应用的成果为主线，点面结合，全面、准确地阐述了粒子群优化算法的基本理论和方法，敏锐、及时地反映了粒子群优化算法及其应用在国内外的先进成果和最新信息。同时，在介绍原有粒子群优化算法的基础上，运用遗传、免疫、混沌、模拟退火、多种群竞争、聚类、极值扰动、分组、遗忘因子和重心、分布估计、云模型、Copula 函数等思想方法对粒子群优化算法进行了深入分析和探讨，建立了粒子群优化算法的随机收敛性分析及参数选择方法。在应用方面，针对盲信号分离问题、隐马尔可夫模型优化、网络编码优化等问题，阐述了作者应用粒子群优化算法解决这些问题的思想与方法，具有启发性，为科学了解、认识、研究和应用粒子群优化算法给出了一系列新的思想观点和独特的理论视野，并可为解决其他问题提供借鉴。该书是广东省科技进步奖一等奖“多模态数据融合与分析处理技术及应用”(粤府证[2022]0860 号)的成果之一。