人工智能技術仿生智能計算算法、應用與實踐探索
——評《仿生智能計算中的粒子群優化算法及應用》

書名：《仿生智能計算中的粒子群優化算法及應用》

作者：高鷹，［美］高翔

出版社：科學出版社

ISBN：978-7-0305-9251-4

出版時間：2018 年11 月

定價：98 元

粒子群優化算法是一種新的模仿鳥類群體行為的智能優化算法，是群體智能優化算法的一個重要分支，已成為國際上仿生智能計算領域里的研究熱點和重點之一。《仿生智能計算中的粒子群優化算法及應用》一書獲廣東科學技術學術專著項目“仿生智能計算中的粒子群優化算法及應用”(2017A030304010)資金資助，由高鷹,[美]高翔編著、科學出版社出版，系統論述了仿生智能計算中的粒子群優化算法及在盲信號分離、隱馬爾可夫模型優化、網絡編碼優化、股票價格預測、多路回波消除和FIR SIMO信道盲辨識等中的應用。

《仿生智能計算中的粒子群優化算法及應用》全書共分為六章。第一章，優化問題和仿生智能計算，介紹了現實世界中優化問題的數學模型、解決優化問題的途徑和方法、仿生智能計算和粒子群優化算法的起源、發展及應用等內容；第二章，模仿鳥群覓食行為的粒子群優化算法，介紹了基本粒子群優化算法、標準粒子群優化算法、離散粒子群優化算法、粒子群優化算法的拓撲結物、粒子群優化算法中粒子的行為分析和標準粒子群優化算法的隨機收斂性分析及參數選擇等內容；第三章，形式多樣的粒子群優化算法，介紹了具有遺傳特性的粒子群優化算法、自適應擴展粒子群優化算法、帶免疫性質的粒子群優化算法、混沌粒子群優化算法、引入模擬退火機制的粒子群優化算法、多種群競爭粒子群優化算法、基于聚類的多子群粒子群優化算法、帶極值擾動的自適應粒子群優化算法、分組粒子群優化算法、協同粒子群優化算法和帶擾動因子的布爾型離散粒子群優化算法等內容；第四章，無速度項的粒子群優化算法，介紹了Bare-Bones粒子群優化算法及分析、具有重心無速度項的粒子群優化算法、具有慣性遺忘因子和重心的粒子群優化算法、簡化的粒子群優化算法、一般化的粒子群優化算法及分析和具有量子行為的粒子群優化算法等內容；第五章，分布估計粒子群優化算法，介紹了分布估計算法、基于分布估計的離散粒子群優化算法、基于認知種群的分布估計粒子群優化算法、結合云模型的分布估計粒子群代化算法和基于Copula的分布估計粒子群優化算法等內容；第六章,粒子群優化算法的應用，介紹了在盲信號分離中的應用、基于粒子群優化算法的隱馬爾可夫模型優化、基于布爾型粒子群優化算法的網絡編碼優化、粒子群優化算法在股票價格預測中的應用、在多路回波消除中的應用和粒子群優化算法用于FIR SIMO 信道盲辨識等內容。

粒子群優化算法是一種新的模仿鳥類群體行為的智能優化算法，自1995 年由R.Ebehtart 和J.Kenndey 首次提出以來，由于它直觀的背景、簡潔而容易實現的特點，以及對于不同類型函數廣泛的適應性，逐漸引起了研究人員的注意。粒子群優化算法是群體智能優化算法的一個重要分支，20 多年來，粒子群優化算法的理論與應用研究都取得了很大的進展，算法的應用也已經在不同學科中得以實現，也成為國際上仿生智能計算領域研究熱點和重點之一。

全書以粒子群優化算法的發展和作者對其研究與應用的成果為主線，點面結合，全面、準確地闡述了粒子群優化算法的基本理論和方法，敏銳、及時地反映了粒子群優化算法及其應用在國內外的先進成果和最新信息。同時，在介紹原有粒子群優化算法的基礎上，運用遺傳、免疫、混沌、模擬退火、多種群競爭、聚類、極值擾動、分組、遺忘因子和重心、分布估計、云模型、Copula 函數等思想方法對粒子群優化算法進行了深入分析和探討，建立了粒子群優化算法的隨機收斂性分析及參數選擇方法。在應用方面，針對盲信號分離問題、隱馬爾可夫模型優化、網絡編碼優化等問題，闡述了作者應用粒子群優化算法解決這些問題的思想與方法，具有啟發性，為科學了解、認識、研究和應用粒子群優化算法給出了一系列新的思想觀點和獨特的理論視野，并可為解決其他問題提供借鑒。該書是廣東省科技進步獎一等獎“多模態數據融合與分析處理技術及應用”(粵府證[2022]0860 號)的成果之一。