基本內容
本教材主要介紹近年來產生髮展的多種智慧型最佳化算法。包括為人熟知的遺傳算法、禁忌搜尋算法、模擬退火算法和蟻群最佳化算法；近年來已成為研究熱點的粒子群最佳化算法；還有尚待普及的捕食搜尋算法和動態環境下的進化計算。書中討論這些算法的產生和發展、算法的基本思想和理論、基本構成、計算步驟和主要的變形以及數值例子和實際套用。為了方便讀者學習，各章之後還附有精選的習題、思考題及相關的參考文獻。
本教材是為“智慧型最佳化方法”這門研究生課程編寫的，可作為系統工程、管理工程、計算機、自動化、人工智慧以及其他套用最佳化算法專業的研究生及高年級的本科生教材，也可供相關專業的研究人員和工程技術人員參考。
編輯推薦
智慧型最佳化方法是一個近年來發展起來的非常活躍的研究領域。系統工程、自動化、計算機、管理工程、採礦、機械等許多專業的學者和學生都在廣泛地採用智慧型最佳化方法。比如，遺傳算法、禁忌搜尋算法、模擬退火算法、蟻群算法和粒子群最佳化算法等在國民經濟的各個行業中都獲得了廣泛的套用。
目錄
第1章 智慧型最佳化方法的產生與發展
1.1 最最佳化的重要意義
1.2 傳統最佳化方法的基本步驟及其局限性
1.3 智慧型最佳化方法的產生與發展
1.4 怎樣學習研究智慧型最佳化方法
問題與思考
參考文獻
第2章 偽隨機數的產生
2.1 偽隨機數在智慧型最佳化方法中的作用
2.2 產生0-1均勻分布偽隨機數的乘同餘法
2.3 產生常態分配偽隨機數的方法
2.4 產生其他分布的偽隨機數的逆變法
問題與思考
參考文獻
第3章 遺傳算法
3.1 導言
3.1.1 生物的進化
3.1.2 生物的遺傳和變異
3.2 遺傳算法的基本原理
3.2.1 基本思想
3.2.2 構成要素
3.2.3 算法流程
3.2.4 解空間與編碼空間的轉換
3.2.5 計算舉例
3.3 模板理論
3.3.1 模板的概念
3.3.2 模板理論
3.4 改進與變形
3.4.1 編碼方法
3.4.2 遺傳運算中的問題
3.4.3 適值函式的標定
3.4.4 選擇策略
3.4.5 停止準則
3.4.6 高級基因操作
3.4.7 約束的處理
3.4.8 多目標的處理
3.5 套用實例
3.5.1 背包問題
3.5.2 最小生成樹問題
3.5.3 二次指派問題
3.5.4 企業動態聯盟中的夥伴挑
3.5.5 準時化生產計畫的半無限規劃模型
問題與思考
參考文獻
第4章 禁忌搜尋算法
4.1 導言
4.1.1 局部鄰域搜尋
4.1.2 禁忌搜尋算法的基本思想
4.2 算法的構成要素
4.2.1 編碼方法
4.2.2 適值函式的構造
4.2.3 初
4.2.4 移動與鄰域移動
4.2.5 禁忌表
4.2.6 選擇策略
4.2.7 渴望水平
4.2.8 停止準則
4.3 算法流程與算例
4.3.1 基本步驟
4.3.2 流程圖
4.3.3 一個簡單的例子
4.4 中期表與長期表
4.4.1 中期表
4.4.2 長期表
4.5 算法性能的改進
4.5.1 並行禁忌搜尋算法
4.5.2 主動禁忌搜尋算法
4.5.3 禁忌搜尋算法與遺傳算法混合的搜尋策略
4.5.4 其他改進方法
4.6 禁忌搜尋算法的套用
4.6.1 套用於實最佳化問題
4.6.2 套用於多目標最佳化問題
4.6.3 電子超市網站連結設計中的套用
4.6.4 多盤剎車設計中的套用
問題與思考
參考文獻
第5章 模擬退火算法
5.1 導言
5.1.1 熱力學中的退火過程
5.1.2 退火與模擬退火
5.2 退火過程的數學描述和Boltzmann方程
5.3 模擬退火算法的構造及流程
5.3.1 算法的計算步驟和流程圖
5.3.3 一個簡單的算例
5.4 算法的收斂性分析
5.4.1 Markov過程
5.4.2 sA的收斂性分析
5.5 套用案例
5.5.1 成組技術中加工中心的組成問題
5.5.2 準時化生產計畫問題
問題與思考
參考文獻
第6章 蟻群算法
6.1 導言
6.1.1 蟻群覓食的特性
6.1.2 人工螞蟻與真實螞蟻的異同
6.1.3 蟻群算法的研究進展
6.2 基本蟻群算法
6.2.1 基本蟻群算法的原理
6.2.2 基本蟻群算法的數學模型
6.2.3 基本蟻群算法的具體實現
6.2.4 基本蟻群算法的複雜度分析
6.2.5 參數選擇對蟻群算法性能的影響
6.3 改進的蟻群算法
6.3.1 蟻群算法的收斂性研究
6.3.2 離散域蟻群算法的改進研究
6.3.3 連續域蟻群算法的改進研究
6.4 蟻群算法與其他仿生最佳化算法的比較與融合
6.4.1 蟻群算法與其他仿生最佳化算法的比較
6.4.2 蟻群算法與其他仿生最佳化算法的融合
6.5 蟻群算法的典型套用
6.5.1 車輛路徑問題
6.5.2 車間作業調度問題
問題與思考
參考文獻
第7章 粒子群最佳化算法
7.1 導言
7.2 基本原理
7.2.1 基本粒子群最佳化算法
7.2.2 標準粒子群最佳化算法
7.2.3 算法構成要素
7.2.4 計算舉例
7.3 PSO的改進與變形
7.3.1 慣性權重
7.3.2 鄰域拓撲結構
7.3.3 學習因子
7.3.4 帶有收縮因子的粒子群最佳化算法
7.3.5 離散版本的粒子群最佳化算法
7.3.6 基於遺傳策略和梯度信息的幾種改進算法
7.3.7 約束的處理
7.3.8 多目標的處理
7.4 套用實例
7.4.1 網路廣告資源最佳化
7.4.2 新產品組合投入問題
問題與思考
參考文獻
第8章 捕食搜尋算法
8.1 導言
8.2 基本原理
8.2.1 捕食搜尋算法的基本思想
8.2.2 算法的實現
8.2.3 捕食搜尋算法的套用條件
8.2.4 計算舉例
8.3 改進與變形
8.3.1 TSP巡遊路線之間的距離
8.3.2 算法步驟
8.3.3 限制的計算
8.3.4 參數的設定
8.4 套用實例
8.4.1 電子商務中物流配送路徑最佳化的問題描述與模型
8.4.2 模型求解的捕食搜尋算法
8.4.3 仿真結果與比較分析
問題與思考
參考文獻
第9章 動態進化算法
9.1 導言
9.2 動態環境的特徵
9.3 動態測試問題
9.3.1 動態位匹配問題
9.3.2 移動拋物線
9.3.3 時變背包問題
9.3.4 移動峰函式
9.3.5 調度問題
9.3.6 振盪峰函式
9.4 性能評估方法
9.5 探測環境中的變化
9.6 原對偶遺傳算法
9.6.1 原對偶映射
9.6.2 相關研究綜述
9.6.3 PDGA算法的框架結構
9.6.4 PDGA中相關參數的討論
9.6.5 PDGA與DGA
9.6.6 PDGA的套用
問題與思考
參考文獻
結束語
參考文獻
