灰狼優化算法（簡體書）

在人們的生活中，會遇到各式各樣的優化問題。如何快速高效地處理優化問題也成了當今優化領域內研究的重點。生物地理學優化(Biogeography-based optimization, BBO)算法是群智能優化算法之一，由美國學者Simon于2008年提出。經過10年的BBO相關研究雖然一定程度上改進了算法，並能夠很好地處理一些優化問題，但對於隨著社會的發展，面臨優化問題的複雜性和多樣性也在不斷提升，出現了更多更為複雜的多峰、非線性不可分優化問題，這些問題對優化方法的性能和效率發起了巨大挑戰。因此，BBO依然有著改進空間和研究潛力。目前國內出版的BBO相關研究專著並不多，已發表的BBO綜述性論文數量也很有限，且受版面限制等因素，這些綜述對BBO的介紹及原理解釋都不夠詳盡。本書以優化問題開篇，逐漸引入群智能優化算法的概念，由群智能優化算法逐步引入BBO，對BBO背景、原理、存在的缺陷及改進動機進行了詳細介紹，對BBO目前國內外研究現狀進行了綜述，對BBO各步驟代表性改進研究進行了簡述，並詳細描述了6項作者課題組對BBO的創新性改進研究。6項研究分別為"差分遷移和趨優變異的BBO算法(DGBBO)”、"差分變異和交叉遷移的BBO算法(DCBBO)”、"混合交叉的BBO算法(HCBBO)”、"高效融合的BBO算法(EMBBO)”、"GWO與BBO的混合算法(HBBOG)”和"SFLA與BBO的混合算法(HBBOS)”。在本書第4至9章內容中，描述了這些算法的原理，並通過大量基準函數實驗對比了當前最先進的算法，驗證對BBO的改進效果。在本書第4至9章內容中，解釋了這些算法的原理，並通過大量實驗對比了當前最先進的算法，驗證對BBO的改進效果。6種新算法均作為BBO改進算法，在邏輯關係上是並列且相互獨立的。最後在10-12章描改進的BBO在圖像分割上的應用。