机读格式显示(MARC)

• 000 01629nam0 2200313 450

• 001 0000372900

• 005 20200608104800.0

• 010 __ |a 978-7-03-060381-4 |d CNY98.00

• 099 __ |a CAL 012019084187

• 100 __ |a 20190701e20202019em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 生物地理学优化算法的改进及其在图像分割上的应用 |A sheng wu di li xue you hua suan fa de gai jin ji qi zai tu xiang fen ge shang de ying yong |f 张新明, 康强著

• 210 __ |a 北京 |c 科学出版社 |d 2019 |h 2020重印

• 215 __ |a 228页, [6] 页图版 |c 图 |d 24cm

• 300 __ |a 河南师范大学学术专著出版基金资助 2019年河南省高等学校重点科研项目计划（项目编号：19A520026）资助

• 320 __ |a 有书目

• 330 __ |a 本书以优化问题开篇，逐渐引入群智能优化算法的概念，由群智能优化算法逐步引入BBO，对BBO背景、原理、存在的缺陷及改进动机进行了详细介绍，对BBO目前国内外研究现状进行了综述，对BBO各步骤代表性改进研究进行了简述，并详细描述了6项作者课题组对BBO的创新性改进研究。6项研究分别为”差分迁移和趋优变异的BBO算法(DGBBO)”、“差分变异和交叉迁移的BBO算法(DCBBO)”、“混合交叉的BBO算法(HCBBO)”、“高效融合的BBO算法(EMBBO)”、“GWO与BBO的混合算法(HBBOG)”和“SFLA与BBO的混合算法(HBBOS)”。在本书第4至9章内容中，描述了这些算法的原理，并通过大量基准函数实验对比了当前最先进的算法，验证对BBO的改进效果。

• 606 0_ |a 生物地理学 |A sheng wu di li xue |x 最优化算法 |x 应用 |x 图象分割 |x 研究

• 690 __ |a TP301.6 |v 5

• 690 __ |a TN911.73 |v 5

• 701 _0 |a 张新明 |A zhang xin ming |4 著

• 701 _0 |a 康强 |A kang qiang |4 著

• 801 _0 |a CN |b NMU |c 20190701

• 905 __ |a XATU |d TP301.6/214

• 920 __ |a 261060 |z 1

• 998 __ |a NMU