附近找小组联系方式_100元4小时不限次数上门电话_600块4个小时全套

内容简介

    仿生群智能优化算法是一种模拟自然界中生物行为的目标优化策略，在工程优化问题中应用广泛。研究更加高效的仿生群智能优化策略并将其应用于解决复杂的三维点云配准问题具有理想的发展前景。本书介绍了这一领域的最新研究成果，侧重于改进的布谷鸟搜索算法和人工蜂群算法，利用模式搜索趋化、全局侦察策略和二阶振荡机制等提出了新的改进的群智能优化算法以提高算法的性能，并应用于解决点云配准优化问题。
本书可以作为信息类、人工智能、计算机图形学、生物学、计算机科学和系统理论等相关学科专业的科研工作者、工程技术人员、高等院校教师和学生的参考书或教科书。

目录

第一章绪论1
1.1研究背景1
1.2仿生群智能优化算法研究现状3
1.2.1布谷鸟搜索算法研究现状3
1.2.2人工蜂群算法研究现状5
1.3本书研究思路7
1.3.1问题的提出7
1.3.2研究方案9
1.4本书研究工作10
1.4.1本书工作10
1.4.2本书结构12

第二章仿生群智能优化及点云配准相关研究进展14
2.1概述14
2.2局部开采21
2.3全局勘探22
2.4均衡搜索24
2.5点云配准26
2.6本章小结29

第三章基于模式搜索的布谷鸟搜索算法30
3.1引言30
3.2布谷鸟搜索算法及局限性32
3.2.1布谷鸟的生物机理32
3.2.2布谷鸟搜索算法原理33
3.2.3布谷鸟搜索算法的特点37
3.2.4CS算法求解全局优化问题的局限性38
3.3PSCS算法的基本策略38
3.3.1模式搜索趋化策略38
3.3.2自适应竞争排名构建机制40
3.3.3合作分享策略41
3.4计算机数值仿真实验结果与算法比较43
3.4.1测试函数与评价标准43
3.4.2PSCS算法参数设置51
3.4.3PSCS与CS算法比较54
3.4.4与改进CS算法以及其他智能优化算法的比较64
3.5算法复杂性的分析与讨论68
3.5.1复杂性分析68
3.5.2讨论69
3.6算法在点云配准上的应用拓展70
3.6.1点云配准优化模型70
3.6.2点云简化与特征点提取71
3.6.3基于模式搜索布谷鸟算法的点云配准优化72
3.6.4实验结果与算法比较74
3.7本章小结83

第四章基于全局侦察搜索的人工蜂群算法84
4.1引言84
4.2人工蜂群算法和侦察蜂的生物机理86
4.2.1蜜蜂的群体采蜜机理86
4.2.2人工蜂群优化算法的原理87
4.2.3人工蜂群优化算法的特点91
4.2.4侦察蜂全局快速侦察的生物机理91
4.3基于全局侦察策略改进的人工蜂群算法93
4.3.1相关定义93
4.3.2侦察蜂的全局侦察机制94
4.3.3觅食蜂的局部邻域搜索机制95
4.3.4SABC算法步骤 96
4.4计算机数值仿真实验结果与讨论100
4.4.1侦察蜂规模系数对收敛的影响101
4.4.2SABC与ABC算法的实验对比103
4.4.3SABC与PSABC算法的实验对比106
4.4.4算法对维数变化的影响108
4.4.5与经典的不同算法的实验比较112
4.4.6计算时间复杂度分析128
4.5本章小结129

第五章基于二阶振荡扰动的人工蜂群算法130
5.1引言130
5.2基于二阶振荡扰动的人工蜂群算法132
5.2.1搜索机制132
5.2.2异步变化学习因子133
5.2.3基于目标函数值的选择寻优137
5.3数值仿真实验结果与分析138
5.3.1基准测试函数139
5.3.2参数设置139
5.3.3所提算法与其他算法的实验比较140
5.4二阶振荡扰动策略人工蜂群算法的点云配准优化155
5.4.1SOABC算法在点云配准中的应用155
5.4.2实验结果及算法分析156
5.5本章小结170

第六章总结与展望172
6.1本书工作总结172
6.2下一步研究方向174

致谢176

参考文献178