協同進化算法及其應用（簡體書）

協同進化算法是通過模擬大自然生態進化中的協同進化現象而提出的仿生優化算法，是進化計算的一個新的重要分支。《協同進化算法及其應用》分為6章，分別簡要介紹進化計算的發展和主要分支，闡述進化計算理論分析的含義和主要分析工具，綜述協同進化算法的產生和發展，分析協同進化算法的實質，提出一種新的協同進化算法框架，並在此框架下實現兩種算法，重點探討協同進化算法在函數優化與圖像矢量量化中的應用。
《協同進化算法及其應用》可作為計算機科學與技術、控制科學與工程及其相關專業的高年級本科生、研究生的參考書，也可供計算智能領域的相關教學科研人員和工程技術人員參考。

《協同進化算法及其應用》可作為計算機科學與技術、控制科學與工程及其相關專業的高年級本科生、研究生的參考書，也可供計算智能領域的相關教學科研人員和工程技術人員參考。

前言
第1章緒論
1.1進化計算的發展
1.2進化計算的主要分支
1.3進化計算的應用

第2章進化計算的理論分析
2.1進化計算理論分析的含義
2.2進化計算的理論分析方法
2.3本章小結

第3章協同進化算法的研究現狀
3.1協同進化算法的生態學基礎
3.2協同進化算法的內涵
3.3競爭協同進化算法
3.4合作協同進化算法
3.5本章小結

第4章基於競爭協同進化算法的函數優化
4.1基準測試函數
4.2多種群遺傳算法
4.3基於GAMLC算法的函數優化
4.4基於MGACC算法的函數優化
4.5本章小結

第5章一種統一的協同進化算法
5.1統一協同進化算法模型
5.2簡單統一協同進化算法
5.3改進的統一協同進化算法
5.4本章小結

第6章基於協同進化算法的圖像矢量量化碼書設計方法
6.1矢量量化的基本原理
6.2初始碼字間距最大化的初始化碼書產生方法
6.3基於邊緣訓練矢量的空胞腔消去方法
6.4基於遺傳算法的聚類分析方法
6.5基於協同進化算法的碼書設計算法
6.6本章小結
參考文獻

第3章
協同進化算法的研究現狀
遺傳算法是密歇根大學Holland教授借鑒生物進化中的生存競爭和優勝劣汰現象提出的全局優化算法。它將遺傳操作應用于一群對搜索空間編碼的染色體中，在每一代，遺傳算法同時作用于整個搜索空間的不同區域，通過優勝劣汰，逐漸去掉解空間中期望值較低的部分，保留高期望值部分，從而能以較大的概率找到最優解。由于遺傳算法具有不少傳統優化算法所不具有的優點，自從20世紀70年代被提出來后已經得到了廣泛的研究和應用。但是遺傳算法的白適應能力有限，容易出現早熟收斂現象，學者們又把目光投向了大自然這一人類靈感的源泉。協同進化現象是大自然中普遍存在的現象，協同進化算法是受大自然中協同進化的啟發而提出的具有較高自適應能力的全局優化算法。
Wolpert于20世紀90年代提出了適用于遺傳算法的“沒有免費午餐理論”（NFL）。根據NFL理論，沒有一種遺傳算法在所有的情況下都會具有最好的性能。但是Wolpert又認為：協同進化算法可以在任何情況下比其他一些算法都具有較好的性能。
協同進化算法是一種新型的進化算法，起步較晚，但是由于協同進化算法的優越性，受到了越來越多學者的關注。國外不少機構涉及協同進化算法的研究，成果較為突出的機構是美國喬治梅森大學（George Mason University）的Kenneth A.De Jong教授領導的進化計算實驗室（Evolutionarv Computation Laboratory，ECLab），該實驗室主要從事合作協同進化算法的理論研究，部分公開發表的代表性成果有：提出一種經典的合作協同進化算法；提出一種應用于多智能體學習中的合作協同進化算法；對簡化的合作協同進化算法以概率l收斂到全局最優的條件進行理論分析。國內研究協同進化算法的機構中，西安電子科技大學研究協同進化算法的相關課題組近幾年多次獲得國家自然科學基金的資助（項目編號：60502043、60703108、60872135、61003199），在協同進化算法的理論研究和應用推廣方面取得了豐碩的成果。部分公開發表的代表性成果有：提出一種新穎的組織協同進化算法，并應用于數據挖掘和雷達目標識別等領域；提出一種用于函數優化的M—精英協同進化算法。
本章首先介紹協同進化算法的生態學基礎，然后闡述協同進化算法的內涵，重點從算法流程、適應度計算、算法特點、算法應用四個方面對競爭協同進化算法和合作協同進化算法進行綜述。