牛奔所著的《菌群優化與仿生管理》是一本全面
、繫統研究菌群優化算法、理論、技術和應用的學術
專著。一方面，針對傳統細菌覓食優化算法
(Bacterial Foraging Optimization，BFO)存在的
缺點，提出新型菌群優化模型與算法，使之更為有效
可靠；另一方面，將提出的新模型、新算法應用於實
際問題求解，拓展群體智能優化算法的應用領域。在
理論研究方面，對BFO算法的相關核心參數進行分析
與探討，提出了多種基於參數改進的BFO算法及簡化
BFO算法；為了進一步提升BFO算法的優化性能，提出
了一類新型具有群體智能特征的菌群優化(Bacterial
Colony Optimization，BCO)算法；在應用研究方面
，開展了在投資組合、聚類分析、工程優化等各類管
理、經濟、工程、科技領域中的應用。此外，通過對
菌群優化算法理論與實踐相關研究成果的提煉升華，
提出了仿生管理學研究框架。
本書可供運籌與管理、人工智能、計算數學、計
算機科學、繫統科學等專業的師生使用，亦可供從事
智能計算研究與應用的各學科研究工作者參考。

前言
第1章 緒論
1.1 背景與意義
1.2 群體智能與群體智能繫統
1.3 群體智能算法
1.4 本書的篇章結構
參考文獻
第2章 BFO算法基本原理及研究綜述
2.1 引言
2.2 BFO算法的基本原理
2.3 BFO算法的理論研究綜述
2.4 BFO算法的應用研究綜述
2.5 本章小結
參考文獻
第3章 BFO算法參數分析與算法改進
3.1 引言
3.2 BFO算法的參數分析
3.3 趨化步長時序變化的BFO算法
3.4 趨化步長非線性變化的BFO算法
3.5 簡化BFO算法
3.6 本章小結
參考文獻
第4章 基於BFO算法的投資組合優化
4.1 引言
4.2 考慮市場流動性風險的投資組合模型的構建
4.3 BFO算法在流動性風險投資組合優化中的應用
4.4 實驗結果
4.5 本章小結
參考文獻
第5章 基於BFO算法的聚類分析
5.1 引言
5.2 數據聚類的含義
5.3 K-means算法
5.4 BFO+K算法
5.5 仿真實驗與分析
5.6 本章小結
參考文獻
第6章 基於BFO算法的工程優化
6.1 引言
6.2 基於BFO算法的工程優化方案
6.3 本章小結
參考文獻
第7章 基於BFO算法的RFID網絡規劃
7.1 引言
7.2 RFID網絡規劃
7.3 實例研究
7.4 本章小結
參考文獻
第8章 多目標BFO算法及其在環境經濟調度中的應用
8.1 引言
8.2 多目標優化問題描述
8.3 多目標細菌覓食優化算法
8.4 測試實驗
8.5 基於MBFO算法的環境經濟調度
8.6 本章小結
參考文獻
第9章 基於生命周期模型的群體感應仿真
9.1 引言
9.2 生命周期模型
9.3 群體感應繫統
9.4 LCM-QS模型
9.5 LCM-QS的實施
9.6 仿真實驗結果與討論
9.7 本章小結
參考文獻
**0章 菌群優化算法
10.1 引言
10.2 人工菌群行為概述
10.3 BcO算法優化模型與算法
10.4 實驗與結果
10.5 本章小結
參考文獻
**1章 研究總結及仿生管理研究展望
11.1 研究總結
11.2 仿生管理學研究展望
11.3 結束語
參考文獻
附錄
A.BFO算法MATLAB實現
B.SiBFO算法MATLAB實現
C.測試函數基本信息