在智能計(jì)算領(lǐng)域，生物界某些個(gè)體或群體的行為特征、演化特性給予研究人員很多啟示，因此許多模擬生物行為和現(xiàn)象的優(yōu)化算法應(yīng)運(yùn)而生，上述研究統(tǒng)稱(chēng)為生物啟發(fā)式計(jì)算方法。生物行為
有多種，覓食行為是生物生存及繁殖的重要行為，不同類(lèi)型的生物，從低等單細(xì)胞細(xì)菌到高等動(dòng)物都具有不同的覓食行為模式，有關(guān)模擬生物覓食行為規(guī)律的啟發(fā)式計(jì)算方法自從提出以來(lái)，一直受到國(guó)內(nèi)外學(xué)者和工程技術(shù)人員的廣泛關(guān)注。

盡管基于生物覓食行為的啟發(fā)式計(jì)算研究日趨成熟，但通過(guò)分析現(xiàn)有研究可以看出，在求解復(fù)雜的實(shí)際問(wèn)題的過(guò)程中，我們?cè)诒３炙惴ǖ亩鄻有�，兼顧全局與局部搜索的均衡，實(shí)現(xiàn)算法參數(shù)自適應(yīng)優(yōu)化，有效克服算法的
早熟收斂問(wèn)題，提高算法的搜索效率和收斂精度等方面尚存在較大的改進(jìn)空間。

本書(shū)利用自然生物覓食理論、復(fù)雜自適應(yīng)系統(tǒng)等成果，在國(guó)內(nèi)外生物啟發(fā)式計(jì)算相關(guān)工作的基礎(chǔ)上，從生物建模、算法設(shè)計(jì)、工程應(yīng)用層面，針對(duì)基于覓食行為的生物啟發(fā)式算法展開(kāi)了深入的研究，并結(jié)合數(shù)據(jù)聚類(lèi)分析、彩色圖像處理等典型實(shí)際問(wèn)題設(shè)計(jì)了新的求解方法，為從事相關(guān)優(yōu)化方法研究的科研工作者提供可借鑒的理論指導(dǎo)。
本書(shū)分為6章，內(nèi)容涵蓋了以下幾方面：

（1） 針對(duì)傳統(tǒng)基于單層生物啟發(fā)式優(yōu)化模型的原始蜂群算法存在早熟收斂問(wèn)題，將層次型信息交流拓?fù)浣Y(jié)構(gòu)引入人工蜂群覓食模型中，提出基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化算法，實(shí)現(xiàn)在搜索過(guò)程中
維持整個(gè)種群多樣性的
進(jìn)化。通過(guò)仿真實(shí)驗(yàn)表明，該方法能夠有效地保持整個(gè)種群的多樣性，
有效地提升了算法的收斂速度與收斂精度。

（2） 從能量變化角度出發(fā)，構(gòu)建基于生命周期優(yōu)化模型。在此基礎(chǔ)上，針對(duì)傳統(tǒng)的菌群優(yōu)化算法進(jìn)行改進(jìn)，設(shè)計(jì)了一種基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法。
將大腸桿菌（escherichia coli，E.Coli）種群按照生命周期進(jìn)行演化，即大腸桿菌個(gè)體在覓食過(guò)程中
獲取能量、消耗能量并動(dòng)態(tài)地分裂、死亡和遷移，種群規(guī)模隨環(huán)境變化進(jìn)行適應(yīng)性變化。通過(guò)仿真實(shí)驗(yàn)表明，本書(shū)建立的大腸桿菌菌群優(yōu)化模型符合微生物生命周期變化規(guī)律，函數(shù)測(cè)試結(jié)果驗(yàn)證了算法具有較好的優(yōu)化性能。

（3） 針對(duì)傳統(tǒng)模糊C�簿�值算法易陷入局部極小值，對(duì)初始值和噪聲數(shù)據(jù)敏感等不足，引入基于層次型信息交流機(jī)制的多蜂群協(xié)同進(jìn)化思想，提出基于MCABC�睩CM的聚類(lèi)優(yōu)化算法，并應(yīng)用于
教學(xué)評(píng)估中。實(shí)例仿真表明，相對(duì)于傳統(tǒng)FCM聚類(lèi)算法，該方法
在尋優(yōu)能力、收斂速度方面得到顯著提高，與此同時(shí)，評(píng)價(jià)效果更具有代表性。

（4） 將基于生命周期的菌群覓食自適應(yīng)優(yōu)化算法用于圖像處理中，提出一種新的多閾值
圖像分割算法，融合群體并行搜索且不易陷入局部的特點(diǎn)，以尋找圖像分割的閾值組合，并限度地提高尋優(yōu)精度和效率。通過(guò)圖像的仿真證明該方法的分割結(jié)果更加精確，極大地降低了多閾值分割的計(jì)算時(shí)間，為解決類(lèi)似工程問(wèn)題提供了新的思路。

（5） 以植物根系自適應(yīng)生長(zhǎng)及覓食行為建模、仿真研究為基礎(chǔ)，設(shè)計(jì)一種新型生物啟發(fā)
式計(jì)算模式混合人工植物根系自適應(yīng)生長(zhǎng)優(yōu)化算法。通過(guò)在標(biāo)準(zhǔn)測(cè)試函數(shù)上的仿真分析，植物根系生長(zhǎng)優(yōu)化具有良好的優(yōu)化精度和收斂速度，為求解實(shí)際工程應(yīng)用中的連續(xù)優(yōu)化和動(dòng)態(tài)優(yōu)化問(wèn)題提供了新的思路。

感謝清華大學(xué)出版社盛東亮老師的大力支持，他認(rèn)真細(xì)致的指導(dǎo)，保證了本書(shū)的質(zhì)量。
由于作者水平有限，書(shū)中難免有疏漏和不足之處，懇請(qǐng)讀者批評(píng)指正！

作者
2022年6月