簡潔式智慧計算及應用研究（簡體書）

《簡潔式智慧計算及應用研究》以降低演算法時間複雜度和空間複雜度為主線。首先，簡單介紹群智慧計算的專業基礎知識，從降低演算法時間複雜度的角度來陳述量化蟻群演算法的設計思路，並用其來解決旅行商問題。然後，重點介紹基於gamma分佈的擾動向量設計，並進一步改進貓群演算法，減少演算法的計算量，提高演算法尋優能力。最後，利用簡潔式貓群演算法和支援向量機方法結合來解決人臉表情的識別問題，進一步擴展簡潔式貓群演算法的應用空間。

目錄
第1章 緒論 1
1.1 群智慧計算基礎 3
1.1.1 概述 3
1.1.2 最優化問題 3
1.1.3 計算複雜性與NP理論 4
1.1.4 群智慧計算優化演算法 6
1.2 國內外的發展現狀及趨勢 10
1.2.1 蟻群演算法的發展概況 10
1.2.2 粒子群演算法的發展概況 12
1.3 簡潔式群智慧計算優化演算法 14
第2章 量化蟻群演算法及其在旅行商問題中的應用 16
2.1 螞蟻系統 17
2.1.1 狀態轉移規則與路徑構建 18
2.1.2 資訊素更新規則 19
2.2 量化蟻群演算法 19
2.2.1 資訊素的編碼 20
2.2.2 資訊素的更新規則 20
2.2.3 演算法流程 21
2.3 實驗結果與分析 22
2.3.1 基於收斂結果與反覆運算次數的比較 24
2.3.2 基於收斂結果與執行時間的實驗結果比較 26
2.3.3 基於相同收斂結果與不同反覆運算次數比較 27
2.3.4 基於相同反覆運算次數與不同收斂結果的比較 29
第3章 簡潔式貓群演算法及其在灰度圖像切割中應用 31
3.1 貓群演算法與虛擬種群的取樣機制 33
3.1.1 貓群演算法 33
3.1.2 虛擬種群的取樣機制 36
3.1.3 擾動向量更新規則 38
3.2 簡潔式貓群演算法 39
3.2.1 初始化與擾動向量更新 39
3.2.2 搜尋模式更新規則 41
3.2.3 跟蹤模式更新規則 41
3.2.4 演算法實現過程 42
3.3 實驗結果及其分析 43
3.3.1 演算法運行空間比較 44
3.3.2 節省運行空間演算法收斂結果比較 45
3.3.3 cCSO與基於種群的優化演算法收斂結果比較 49
3.3.4 基於反覆運算次數的收斂結果比較 52
3.3.5 實驗結果分析 53
3.4 案例分析 53
3.4.1 多閾值法與適應度函數設計 54
3.4.2 圖像切割效果 56
3.4.3 應用案例小結 61
第4章 基於Γ分佈的簡潔式貓群演算法及其在音樂浮水印嵌入中的應用 63
4.1 基於Γ分佈的擾動向量設計 64
4.1.1 擾動向量設計 64
4.1.2 擾動向量的更新規則 66
4.1.3 虛擬種群的取樣機制 66
4.2 基於Γ分佈的簡潔式貓群演算法 67
4.2.1 演算法的初始化 67
4.2.2 搜尋模式的更新規則 68
4.2.3 跟蹤模式的更新規則 70
4.2.4 演算法流程 70
4.3 實驗結果與分析 71
4.3.1 演算法運行空間比較 73
4.3.2 節省運行空間的演算法實驗結果比較 73
4.3.3 基於種群的相關演算法和簡潔式貓群演算法之間的實驗結果比較 80
4.3.4 基於相同收斂結果下反覆運算次數的比較 83
4.3.5 基於標準測試函數的不同維度下的實驗結果統計分析 84
4.3.6 實驗結果小結 85
4.4 應用案例：音訊浮水印嵌入 86
4.4.1 基於優化的浮水印嵌入與提取策略 87
4.4.2 實驗結果與分析 90
4.4.3 案例分析小結 96
第5章 基於簡潔式貓群演算法與支援向量機的人臉表情識別與優化 97
5.1 基於活動基模型的分類器訓練基礎 98
5.1.1 方塊圖中的眼睛與嘴唇的捕捉 98
5.1.2 模型表示：活動基模型 99
5.1.3 模型訓練：Shared Sketch演算法 100
5.1.4 基範本構建 101
5.1.5 特徵向量 102
5.1.6 支持向量機 102
5.1.7 簡潔式貓群演算法 105
5.2 cCSO-SVM策略 107
5.3 實驗結果與分析 108
參考文獻 111
附錄 124