English
资源说明：Swarm Intelligence会在目标是获得问题能力的任何地方刺激优化技术。 在Swarm Intelligence中，关于动物或昆虫行为的知识具有多种模型。 群智能已成为发展许多强大的优化问题的潜在技术。 研究人员通过对动物或昆虫的不同群体的行为进行建模，开发了各种算法。 本文探讨了三种现有的元启发式方法，分别称为蚁群优化（ACO），蜂群优化（BCO）和蝙蝠算法（BA）。 蚁群的特性刺激了蚁群优化。 蜜蜂殖民地优化的灵感来自蜜蜂的掠夺行为。 针对微棒的回声定位特性提出了蝙蝠算法。 这项研究分析了相对简单的代理商群体的解决问题的行为，其中代理商之间的局部相互作用是通过环境直接或间接地进行的。 本文的范围是探究群体智能的特征及其优势，局限性和应用领域，随后探究蚂蚁，蜜蜂和微型蝙蝠的行为以及最流行的变种。 此外，对这三种技术的行为比较进行了分析，并试图指出哪一种技术最适合用于Swarm Intelligence中的优化。 由此，本文可以帮助理解根据其行为进行优化的最合适技术。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
