本书是作者在生物启发式计算领域的系统性研究成果。书中系统、深入地介绍了生物启发计算的起源、模型、理论及其应用领域，以生物进化论、共生进化论、复杂适应性系统的思想与理论为基础，提出基于个体、群体、群落三个层面生物行为演化模式的生物启发计算统一性方法，并以几种新型实现模式为例，分别进行基于统一框架的算法设计、建模仿真以及优化问题求解，使生物启发计算理念从宏观到微观再到宏观、从统一性到多样性再到统一性得到了系统的展现。

本书的出版能够为生物启发计算领域的研究和应用提供新的思路和方法。本书可供智能科学、自动化、计算科学、电子信息等相关领域的研究生、教师和科研人员以及工程技术人员参考使用。

序言

在过去的几十年里，人们提出了许多基于生物行为的算法，比如： 进化算法(evolutionary algorithms)、人工神经网络(artificial neural networks)、人工免疫系统(artificial immunity systems)以及群体智能(swarm intelligence)等。许多算法得到了深入的研究并且被应用到复杂工程系统的某些方面。但由于传统上对复杂工程系统的建模必须依赖于大量的假设得到简化的模型，从而才能运用某些算法(包括进化算法)进行优化，使得这些简化的模型很多时候并不能反映系统的本质，从而影响了结果的准确性和适用性。

如何对复杂系统进行建模和仿真计算以及描述其进化行为，吸引了广大科学工作者的极大兴趣。复杂系统是由大量互相作用的基本部件组成的系统，例如复杂生物系统和复杂工程系统。其中复杂生物系统由大量生命的有机体组成，这些有机体之间有着不同层次的相互作用，而这些相互作用又由一些随时间变化的生物规则所控制。同样地，复杂工程系统是一种由大量的呈现复杂行为的子系统组成的人工系统。相对而言，在很大程度上，工程系统并没有生物系统这么复杂。所以，在生物系统方面的研究会对工程系统有极大的帮助。

在生物系统研究领域，各类生物启发算法层出不穷，它们形态多样，理念各异，建模及分析工具各具特色。同时，由于各种生物智能计算模式均源于“自然”，模拟自然界的生物智能行为规律，它们总是为解决某类计算及优化问题而设计的，这些计算模式又具有相对的统一性。

本书在综合分析了各种基于生物行为优化算法的基础上，针对现有生物启发计算模式的局限性，以生物进化论、共生进化论、自然界生态系统的涌现与系统特性为基础，通过借鉴复杂适应性系统的思想，从个体、群体、群落三个层面生物行为演化模式建立生物启发计算的统一框架，为从事智能优化方法和工程应用的科学工作者提供一条可借鉴的研究方法和途径。

该书内容新颖、论述精辟、博采众长，注重理论与实践的有机结合，可读性强。朱云龙先生从自然界生物个体、群体和群落三个层次系统地阐述了生物行为演化模型与优化方法，总结归纳了生物启发计算领域中的最新研究成果与实践经验，类似的生物启发计算方面的书籍在国内外亦少见。我以一种兴奋与激动的心情向读者们推荐此书，也希望该书的出版为从事生物智能优化方法研究的广大科研工作者提供可借鉴的理论指导。

李培根

中国工程院院士

2013年4月

大自然总是给人以启迪。人们受生物界的各种自然现象或过程的启发，提出了许多用以解决复杂优化问题的新方法，人们将这种启发于生物行为的计算方法称为生物启发计算，如进化计算、植物种子迁移算法、免疫与内分泌计算、生态计算和群体智能等。生物启发计算是建立在仿生学、生态系统分析、计算机技术等学科的基础上逐渐发展起来的一种优化计算方法，其中生物进化论、共生进化论和CAS理论为生物启发计算提供了重要的理论支撑。由于此类方法具备问题描述简单和高效的优化性能，因而被广泛应用于各类复杂优化问题的求解计算，并取得了令人鼓舞的成就。

本书综合分析了各种基于生物行为的优化算法的特点、模式； 从个体编码、种群协作、混合策略和生物行为等角度阐述生物启发计算的研究进展； 归纳总结了生物启发计算的参数效能分析、群体多样性方法以及生物启发式计算收敛性问题的研究成果，在此基础上提出本书研究的总体框架。

本书力图系统地从自然界生物个体、群体和群落三个层面完整地勾画生物行为的演化模型和框架，为从事相关优化方法研究的科研工作者提供可借鉴的理论指导。

全书共分7章： 

第1章： 绪论部分，简要地介绍生物启发计算的主要研究分支，并给出在生物启发计算相关研究存在的局限性。

第2章： 简要介绍生物启发计算领域的主要算法以及此领域的主要研究方向与发展趋势。

第3章： 以生物进化论、共生进化论和复杂适应系统等理论对生物启发计算的启示为主线，研究生物启发计算的思想来源与理论基础； 探讨生物系统在进化过程中的自适应与效率机制； 阐述质参量兼容原理、共生能量生成原理、共生系统进化原理； 给出多种群协同进化动力学模型和CAS演化过程的数学描述。在此基础上阐释生物进化复杂系统的层级体系演化模型和统一框架模型，为生物启发式计算的研究建立算法设计的模型范式。

第4章： 分别从自然界中生物个体的行为模式、生物个体建模与仿真以及计算模式等角度详细阐述在统一框架下的个体行为模式与自适应优化的构建方法，并以细菌和植物根系两类不同生物为研究对象进行自适应优化算法的设计与实现。

第5章： 从生物种群的信息交流模式分析种群内部个体、种群内的通信机制与演化模式，并以生物启发计算框架模型为基础构建生物群体行为的计算模型，给出基于该模型的群搜索和生命周期算法的设计与实现。

第6章： 详细阐述生物群落共生进化中的种群演化模式以及群落不同层次与环境间的作用关系，给出生物群落演化的统一优化框架模型和基本操作，并进行算法的设计与实现。

 第7章： 探讨生物启发计算的前沿热点理论问题和工程应用问题。

本书是作者和他的博士生和博士后团队共同研究的结晶，他们分别是陈瀚宁博士、申海博士、邹文平博士、晏晓辉博士、张浩博士、张丁一博士、库涛博士、吕赐兴博士、牛奔博士、何小贤博士、王玫博士、常春光博士。同时，在研究过程中先后得到了国家自然科学基金的大力支持。

国家自然科学重点基金： 

 基于互联网的商务过程的建模与优化方法的研究(70431003)。

国家自然科学基金： 

 基于细菌行为模式的复杂系统建模与优化方法研究(61174164)。

 基于现实挖掘的人群多尺度时空特征及复杂活动模式研究(61203161)。

 基于群体生存理论的菌群优化方法及在生产调度中的应用研究(51205389)。

 基于生物行为的RFID系统优化模型与算法研究(61105067)。

 面向感应网络的移动现实挖掘及复杂行为模式分析研究(61003208)。

谨以此书向国家自然科学基金委表示衷心的感谢！

在本书的编写过程中，陈瀚宁博士、申海博士和常春光博士倾注了大量的心血。同时参与编写工作的还有晏晓辉博士、邹文平博士和张浩博士。由于生物启发计算已成为当前研究热点，新思想、新概念不断涌现，而作者的水平及所了解的情况有限，因此，在选题、选材及对各方法的评述等方面难免有欠妥乃至错误之处，敬请读者予以批评指正。

2013年4月于沈阳

第1章绪论

1.1从仿生学到生物启发计算

1.2生物启发计算与复杂适应系统

1.3生物启发计算的主要研究分支

1.4生物启发计算研究的局限性

参考文献

第2章生物启发计算研究综述

引言

2.1生物启发计算的实现模式概述

2.2生物启发计算模式综述

2.2.1遗传算法

2.2.2粒子群优化

2.2.3蚁群优化

2.2.4人工蜂群算法

2.2.5细菌觅食算法

2.2.6群搜索算法

2.2.7DNA计算

2.2.8自组织迁移算法

2.2.9膜计算

2.2.10元胞自动机

2.2.11神经网络

2.2.12人工免疫系统

2.3生物启发计算的应用与发展趋势

2.3.1自然计算应用领域综述

2.3.2应用分析与展望

参考文献

第3章理论基础与统一模型

引言

3.1生物进化论与优化

3.1.1优胜劣汰—生存竞争

3.1.2自适应与效率

3.2共生进化论与种群动力学

3.2.1共生与协同进化

3.2.2多种群共生协同进化的动力学描述

3.3复杂系统与涌现

3.3.1复杂适应系统与生物进化

3.3.2生物进化的复杂系统建模

3.4生物启发计算的统一框架模型

3.4.1生物启发计算模式的统一框架理念

3.4.2个体—群体—群落： 生物启发计算模式的总体形式化描述

3.4.3环境

参考文献

第4章生物个体行为模式与自适应优化方法

引言

4.1自然进化中的个体行为模式

4.1.1生物个体的觅食行为分类

4.1.2适应性主体

4.1.3效率与最优觅食理论

4.2基于生物个体行为的计算模式设计

4.2.1基于生物个体行为的统一优化框架

4.2.2基于生物个体行为的基本操作

4.3生物个体建模与仿真分析

4.3.1生物系统个体的形式化定义

4.3.2典型生物个体行为的建模与仿真分析

4.3.3个体环境间作用关系描述与规则模型

4.4细菌自适应觅食优化算法

4.4.1算法的基本思想与流程

4.4.2算法的形式化描述

4.4.3ABFO算法实现步骤

4.4.4算法效能分析

4.5植物根系自适应生长优化算法

4.5.1算法的基本思想

4.5.2算法的形式化描述

4.5.3算法流程

4.5.4算法效能分析

参考文献

第5章生物种群信息交流模式与生命周期群搜索策略

引言

5.1自然界中单一物种群体内部的信息交流与协作模式

5.1.1生物种群

5.1.2信息交流

5.1.3分工协作与分布式控制

5.2基于生物群体行为的计算模式设计

5.2.1基于生物群体行为的统一优化框架

5.2.2基于生物群体行为的基本操作

5.3生物种群建模与仿真分析

5.3.1生物系统种群的形式化定义

5.3.2种群内个体通信模型

5.3.3任务分工

5.3.4种群演化模型

5.4基于生命周期和社会学习的细菌觅食算法及其性能分析

5.4.1算法的基本思想与流程

5.4.2算法的形式化描述

5.4.3算法性能分析

5.5生命周期群搜索优化算法及其性能分析

5.5.1算法的基本思想与流程

5.5.2算法的形式化描述

5.5.3实验设置

5.5.4算法性能分析： 无约束函数

5.5.5算法性能分析： 有约束函数

参考文献

第6章生物群落演化模式与优化算法

引言

6.1生物群落进化中的种群演化模式

6.1.1生物群落的层次性信息网络拓扑结构

6.1.2生物群落内种群共生模式的多型性

6.1.3生物群落内种群的增长、迁徙和消亡模式

6.2基于生物群落演化的计算模式设计

6.2.1基于生物群落演化的统一优化框架

6.2.2基于生物群落演化的基本操作

6.3生物群落建模与仿真分析

6.3.1生物系统群落的形式化定义

6.3.2群落拓扑结构形式化定义

6.3.3基于不同种群关系生物群落演化建模与仿真

6.4基于生物群落演化的优化模型与算法实例设计

6.4.1协同进化算法的发展现状

6.4.2多群体协同进化统一模型

6.4.3多种群共生协同进化粒子群优化算法

6.4.4算法性能分析

6.4.5基于MSPSO的RFID网络读写器调度

6.5多种群多目标人工蜂群算法

6.5.1算法基本思想与流程

6.5.2算法的形式化描述

6.5.3算法性能分析

参考文献

第7章评注与展望

引言

7.1理论基础研究展望

7.1.1有关生物启发计算的有效性研究

7.1.2有关生物启发计算的收敛性研究

7.1.3有关生物启发计算方法的评价标准

7.2有关算法设计研究展望

7.2.1小生境层面的有关算法设计

7.2.2动态环境层面的有关算法设计

7.3有关生物启发式计算应用研究展望

7.3.1人工大脑

7.3.2进化硬件

7.3.3纳米分子生物

7.3.4虚拟生物

7.3.5云计算

参考文献

附录A标准测试函数

A.1单目标无约束

A.2单目标有约束

A.3多目标无约束

A.4多目标有约束

拓展阅读