趙鳴著的《簡潔式智能計算及應用研究》以降低
算法時間復雜度和空間復雜度為主線。首先，簡單介
紹群智能計算的專業基礎知識，從降低算法時間復雜
度的角度來陳述量化蟻群算法的設計思路，並用其來
解決旅行商問題。然後，重點介紹基於gamma分布的
擾動向量設計，並進一步改進貓群算法，減少算法的
計算量，提高算法尋優能力。最後，利用簡潔式貓群
算法和支持向量機方法結合來解決人臉表情的識別問
題，進一步擴展簡潔式貓群算法的應用空間。
本書可供信息技術、計算機等專業的本科生和研
究生使用，也可供從事相關工作的研究人員參考。

第1章 緒論
1.1 群智能計算基礎
1.1.1 概述
1.1.2 *優化問題
1.1.3 計算復雜性與NP理論
1.1.4 群智能計算優化算法
1.2 **外的發展現狀及趨勢
1.2.1 蟻群算法的發展概況
1.2.2 粒子群算法的發展概況
1.3 簡潔式群智能計算優化算法
第2章 量化蟻群算法及其在旅行商問題中的應用
2.1 螞蟻繫統
2.1.1 狀態轉移規則與路徑構建
2.1.2 信息素*新規則
2.2 量化蟻群算法
2.2.1 信息素的編碼
2.2.2 信息素的*新規則
2.2.3 算法流程
2.3 實驗結果與分析
2.3.1 基於收斂結果與迭代次數的比較
2.3.2 基於收斂結果與運行時間的實驗結果比較
2.3.3 基於相同收斂結果與不同迭代次數比較
2.3.4 基於相同迭代次數與不同收斂結果的比較
第3章 簡潔式貓群算法及其在灰度圖像切割中應用
3.1 貓群算法與虛擬種群的取樣機制
3.1.1 貓群算法
3.1.2 虛擬種群的取樣機制
3.1.3 擾動向量*新規則
3.2 簡潔式貓群算法
3.2.1 初始化與擾動向量*新
3.2.2 搜尋模式*新規則
3.2.3 跟蹤模式*新規則
3.2.4 算法實現過程
3.3 實驗結果及其分析
3.3.1 算法運行空間比較
3.3.2 節省運行空間算法收斂結果比較
3.3.3 cCSO與基於種群的優化算法收斂結果比較
3.3.4 基於迭代次數的收斂結果比較
3.3.5 實驗結果分析
3.4 案例分析
3.4.1 多閾值法與適應度函數設計
3.4.2 圖像切割效果
3.4.3 應用案例小結
第4章 基於Γ分布的簡潔式貓群算法及其在音樂水印嵌入中的應用
4.1 基於Γ分布的擾動向量設計
4.1.1 擾動向量設計
4.1.2 擾動向量的*新規則
4.1.3 虛擬種群的取樣機制
4.2 基於Γ分布的簡潔式貓群算法
4.2.1 算法的初始化