在智能計算領(lǐng)域，生物界某些個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)運而生，上述研究統(tǒng)稱為生物啟發(fā)式計算方法。生物行為
有多種，覓食行為是生物生存及繁殖的重要行為，不同類型的生物，從低等單細胞細菌到高等動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)式計算方法自從提出以來，一直受到國內(nèi)外學者和工程技術(shù)人員的廣泛關(guān)注。

盡管基于生物覓食行為的啟發(fā)式計算研究日趨成熟，但通過分析現(xiàn)有研究可以看出，在求解復(fù)雜的實際問題的過程中，我們在保持算法的多樣性，兼顧全局與局部搜索的均衡，實現(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空間。

本書利用自然生物覓食理論、復(fù)雜自適應(yīng)系統(tǒng)等成果，在國內(nèi)外生物啟發(fā)式計算相關(guān)工作的基礎(chǔ)上，從生物建模、算法設(shè)計、工程應(yīng)用層面，針對基于覓食行為的生物啟發(fā)式算法展開了深入的研究，并結(jié)合數(shù)據(jù)聚類分析、彩色圖像處理等典型實際問題設(shè)計了新的求解方法，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)。
本書分為6章，內(nèi)容涵蓋了以下幾方面：

（1） 針對傳統(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題，將層次型信息交流拓撲結(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制的多蜂群協(xié)同進化算法，實現(xiàn)在搜索過程中
維持整個種群多樣性的
進化。通過仿真實驗表明，該方法能夠有效地保持整個種群的多樣性，
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，針對傳統(tǒng)的菌群優(yōu)化算法進行改進，設(shè)計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行演化，即大腸桿菌個體在覓食過程中
獲取能量、消耗能量并動態(tài)地分裂、死亡和遷移，種群規(guī)模隨環(huán)境變化進行適應(yīng)性變化。通過仿真實驗表明，本書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)測試結(jié)果驗證了算法具有較好的優(yōu)化性能。

（3） 針對傳統(tǒng)模糊C�簿�值算法易陷入局部極小值，對初始值和噪聲數(shù)據(jù)敏感等不足，引入基于層次型信息交流機制的多蜂群協(xié)同進化思想，提出基于MCABC�睩CM的聚類優(yōu)化算法，并應(yīng)用于
教學評估中。實例仿真表明，相對于傳統(tǒng)FCM聚類算法，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，評價效果更具有代表性。

（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，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算時間，為解決類似工程問題提供了新的思路。

（5） 以植物根系自適應(yīng)生長及覓食行為建模、仿真研究為基礎(chǔ)，設(shè)計一種新型生物啟發(fā)
式計算模式混合人工植物根系自適應(yīng)生長優(yōu)化算法。通過在標準測試函數(shù)上的仿真分析，植物根系生長優(yōu)化具有良好的優(yōu)化精度和收斂速度，為求解實際工程應(yīng)用中的連續(xù)優(yōu)化和動態(tài)優(yōu)化問題提供了新的思路。

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

作者
2022年6月