| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 引言 | 第13-25页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 生物启发计算 | 第14-21页 |
| 1.2.1 典型生物启发计算模式 | 第14-16页 |
| 1.2.2 基于觅食行为的智能优化算法简介 | 第16-21页 |
| 1.3 生物启发计算的应用与发展趋势 | 第21-22页 |
| 1.4 研究内容 | 第22-25页 |
| 第二章 基于最优觅食行为的统一启发计算模型 | 第25-43页 |
| 2.1 自然生物的典型觅食行为简述 | 第25-27页 |
| 2.2 生物信息交流模式 | 第27-30页 |
| 2.2.1 生物系统中的信息交流与涌现 | 第27-28页 |
| 2.2.2 生物种群分工协作与分布式控制 | 第28页 |
| 2.2.3 生物群落中的多种群协同进化 | 第28-30页 |
| 2.3 生命周期演化 | 第30页 |
| 2.4 生物觅食优化统一框架模型 | 第30-41页 |
| 2.4.1 个体模型 | 第32-34页 |
| 2.4.2 种群模型 | 第34-36页 |
| 2.4.3 群落模型 | 第36-39页 |
| 2.4.4 环境模型 | 第39-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 植物根系自适应生长优化算法 | 第43-67页 |
| 3.1 植物根系生长优化模型 | 第43-47页 |
| 3.1.1 植物根系生长优化的生物学基础 | 第43-45页 |
| 3.1.2 植物根系自适应生长建模 | 第45-47页 |
| 3.2 植物根系自适应生长优化(RSGA)算法 | 第47-50页 |
| 3.2.1 RSGA算法基本思想 | 第47-48页 |
| 3.2.2 RSGA算法形式化描述 | 第48-49页 |
| 3.2.3 RSGA算法的实现步骤 | 第49-50页 |
| 3.3 植物根系生长仿真 | 第50-53页 |
| 3.3.1 根系与土壤相互作用仿真：向重力性VS向水性 | 第50-52页 |
| 3.3.2 种群动态性仿真 | 第52-53页 |
| 3.4 RSGA算法性能测试 | 第53-65页 |
| 3.4.1 测试函数 | 第53-54页 |
| 3.4.2 参数设置 | 第54-55页 |
| 3.4.3 测试结果比较与分析 | 第55-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 细菌生命周期觅食仿真与优化算法研究 | 第67-91页 |
| 4.1 微生物生命周期演化模型 | 第67-72页 |
| 4.1.1 E.coli种群演化动力学 | 第67-69页 |
| 4.1.2 生命周期优化建模 | 第69-72页 |
| 4.2 细菌生命周期觅食优化算法 | 第72-75页 |
| 4.2.1 LBCFO算法流程 | 第72-73页 |
| 4.2.2 LBCFO算法形式化描述 | 第73-75页 |
| 4.3 实验与结果分析 | 第75-81页 |
| 4.3.1 测试函数 | 第75-76页 |
| 4.3.2 参数设置 | 第76-77页 |
| 4.3.3 仿真结果 | 第77-81页 |
| 4.4 细菌生命周期仿真研究 | 第81-82页 |
| 4.5 基于LBCFO算法的3D打印喷射状态优化 | 第82-90页 |
| 4.5.1 3D打印喷射状态优化的意义 | 第82-84页 |
| 4.5.2 基于智能算法的3D打印碰头喷射状态优化 | 第84-86页 |
| 4.5.3 仿真与实验结果 | 第86-90页 |
| 4.6 本章小结 | 第90-91页 |
| 第五章 多种群协作觅食蜂群优化及其在图像分割中的应用 | 第91-117页 |
| 5.1 信息交流拓扑模型 | 第91-95页 |
| 5.1.1 单一种群内部信息交流 | 第91-94页 |
| 5.1.2 多种群生物群落的层次型信息交流 | 第94-95页 |
| 5.2 基于层次拓扑结构的多种群协作觅食蜂群优化算法 | 第95-100页 |
| 5.2.1 算法基本思想与流程 | 第95-98页 |
| 5.2.2 算法形式化描述 | 第98-100页 |
| 5.3 函数测试 | 第100-108页 |
| 5.3.1 实验设置 | 第100-101页 |
| 5.3.2 实验1：基于平面拓扑结构的单种群算法优化测试 | 第101-103页 |
| 5.3.3 实验2：基于层次型拓扑结构的多种群优化算法测试 | 第103-108页 |
| 5.4 基于MCBFA算法的多阈值图像分割 | 第108-116页 |
| 5.4.1 传统多阈值图像分割方法 | 第108-110页 |
| 5.4.2 基于MCBFA算法的多阈值分割问题求解 | 第110-111页 |
| 5.4.3 仿真研究 | 第111-116页 |
| 5.5 本章小结 | 第116-117页 |
| 第六章 基于生物觅食行为的移动机器人动态路径规划 | 第117-135页 |
| 6.1 动态觅食与优化 | 第117-118页 |
| 6.2 机器人路径规划问题 | 第118-120页 |
| 6.2.1 研究背景 | 第118-119页 |
| 6.2.2 优化模型 | 第119-120页 |
| 6.3 基于生物觅食行为的动态优化方法 | 第120-129页 |
| 6.3.1 动态觅食优化算法的搜索技术 | 第120-123页 |
| 6.3.2 动态优化函数测试及觅食行为仿真 | 第123-129页 |
| 6.4 基于觅食行为的移动机器人动态路径规划 | 第129-133页 |
| 6.4.1 基于DAFO算法的机器人路径规划求解框架 | 第129-130页 |
| 6.4.2 实验与结果分析 | 第130-133页 |
| 6.5 本章小结 | 第133-135页 |
| 结论 | 第135-137页 |
| 参考文献 | 第137-147页 |
| 攻读博士学位期间的研究成果 | 第147-149页 |
| 已发表的论文 | 第147-148页 |
| 参加科研项目情况 | 第148-149页 |
| 致谢 | 第149-151页 |
| 作者简历 | 第151页 |
