计算群体智能基础（世界著名计算机教材精选）

本书重点是群体行为模型的算法实现：
考查了社会网络结构如何用于在个体问交换信息，以及这些个体的聚集行为如何形成一个功能强大的**体。
简要介绍了形式化优化理论。
概述了与群体智能有关的进化计算方法，如遗传算法、进化规划、进化策略、文化算法和协同进化。
着眼于以鸟群中鸟的舞蹈运动作为粒子群优化（PSO）模型的基础，并提供了一种处理各类：PSO模型的通用方法
证明了蚂蚁行为如何用实现蚁群优化（ACO）算法来解决现实问题，如路径优化、结构优化、数据挖掘和数据聚类。
考虑了不同种类的优化问题，包括多目标优化、动态环境、离散和连续搜索空间、约束优化和小生境方法。
给出了一个配套的网站：http：／／si．cs．up．ac．za，该网站包含了各种不同算法的Java类和实现，它们可以用于测试PSO算法和ACO算法。  

本书全面系统地介绍了计算群体智能中的粒子群优化（PSO）和蚁群优化（ACO）的基本概念、基本模型、理论分析及其应用。在简要介绍基本优化理论和总结各类优化问题之后，重点介绍了社会网络结构如何在个体间交换信息以及个体聚集行为如何形成一个功能强大的有机体。在概述了进化计算后，重点论述了粒子群优化和蚁群优化的基本模型及其各种变体，给出了分析粒子群优化模型的一种通用方法，证明了基于蚂蚁行为实现的蚁群优化算法并将其用于解决实际问题。
本书可作为高等院校智能科学、计算机、自动化、电子信息、通信、模式识别等专业研究生和高年级本科生的教材，也可作为智能信息处理、群体智能与工程等相关专业的科技工程人员的参考用书。

第1章 引言
“现在问走兽，它们必指教你；又问飞鸟，它们将告诉你；或与大地说话，它必指教你，海中的鱼也必向你说明。”
——Job 12：7-9
假设你和一帮朋友正在寻找一个宝藏。你知道该宝藏的大致位置但不知道它的准确位置。你想要得到整个宝藏，或部分宝藏。在朋友中，你已经同意了某种分享机制使得所有参与搜索的人都能得到奖励，只是让发现该宝藏的人会得到更高的奖励，而其他人的奖励是基于当时他们离宝藏的距离来决定。组中每一个人都有一个金属探测器并且能够与最近的朋友交流信号的强度和他的当前位置。因此，每一个人知道他的邻居是否比他更靠近宝藏。你将采取什么行动呢？你基本上有两种选择：（1）不管你的朋友，不用你的朋友提供的任何信息，自己搜寻宝藏。在这种情况下，如果你发现了宝藏，它将全部归你。然而，如果你没有最先发现它，就什么也得不到。（2）利用你从邻近朋友能得到的信息，并沿最靠近的、具有最强信号的朋友的方向移动。利用局部信息，并据此行动，你提高了发现宝藏的机会，或者至少使你的奖励最大化了。
这是一个对你在没有全局环境知识的情况下协作得益的非常简单例子。组中的个体通过交换局部获得的信息相互作用以解决全局目标，该局部信息最后通过整个组传播使得问题可以比由单个个体求解更有效地获得解决。
……