第1章 概论

1.1 最优化问题及其分类

1.1.1 最优化问题举例

1.1.2 函数优化问题

1.1.3 数学规划

1.1.4 组合优化问题

1.2 邻域函数与局部搜索

1.3 优化问题的复杂性

1.4 优化算法发展状况

上篇 经典优化方法

第2章 无约束优化方法

2.1 最优性条件

2.2 迭代法

2.3 收敛速度

2.4 终止准则

2.5 一维搜索

2.5.1 平分法

2.5.2 牛顿法

2.5.3 0.618法

2.5.4 抛物线法

2.5.5 二点三次插值法

2.5.6 “成功-失败”法

2.5.7 非精确一维搜索

2.6 基本下降法

2.6.1 最速下降法

2.6.2 牛顿法

2.6.3 阻尼牛顿法

2.6.4 修正牛顿法

2.7 共轭方向法和共轭梯度法

2.7.1 共轭方向和共轭方向法

2.7.2 共轭梯度法

2.8 变尺度法（拟牛顿法）

2.8.1 对称秩1算法

2.8.2 DFP算法

2.8.3 BFGS算法

2.9 直接搜索法

2.9.1 Hook-Jeeves方法

2.9.2 单纯形法

2.9.3 Powell方法

2.10 算法的MATLAB实现

第3章 约束优化方法

3.1 最优性条件

3.1.1 等式约束问题的最优性条件

3.1.2 不等式约束问题的最优性条件

3.1.3 一般约束问题的最优性条件

3.2 罚函数法

3.2.1 外罚函数法

3.2.2 内点法

3.2.3 乘子法

3.3 可行方向法

3.3.1 Zoutendijk可行方向法

3.3.2 梯度投影法

3.3.3 简约梯度法

3.3.4 广义简约梯度法

3.4 二次逼近法

3.4.1 二次规划的概念

3.4.2 牛顿-拉格朗日法

3.4.3 SQP算法

3.5 极大熵方法

3.6 算法的MATLAB实现

第4章 最小二乘问题

4.1 线性最小二乘问题的数值解法

4.1.1 满秩线性最小二乘问题

4.1.2 亏秩线性最小二乘问题

4.2 非线性最小二乘问题的数值解法

4.2.1 Gauss-Newton法

4.2.2 Levenberg-Marquardt方法（L-M方法）

4.3 算法的MATLAB实现

第5章 线性规划

5.1 线性规划的标准形式

5.2 线性规划的基本定理

5.3 单纯形法

5.3.1 基本单纯形法

5.3.2 单纯形法的改进

5.4 线性规划问题的对偶问题

5.4.1 对偶单纯形法

5.4.2 对偶线性规划的应用

5.5 算法的MATLAB实现

第6章 动态规划

6.1 理论基础

6.2 最优化原理和基本方程

6.3 动态规划的建模方法及步骤

6.4 函数空间迭代法和策略空间迭代法

6.4.1 函数空间迭代法

6.4.2 策略空间迭代法

6.5 动态规划与静态规划的关系

6.6 算法的MATLAB实现

第7章 整数规划

7.1 理论基础

7.1.1 整数线性规划的标准形式

7.1.2 整数线性规划的求解

7.1.3 松驰

7.1.4 分解

7.2 分支定界法

7.3 割平面法

7.4 隐枚举法

7.4.1 0-1规划的标准形式

7.4.2 隐枚举法的基本步骤

7.5 匈牙利法

7.5.1 指派问题的标准形式

7.5.2 匈牙利法的基本步骤

7.6 算法的MATLAB实现

第8章 二次规划问题

8.1 等式约束二次规划的解法

8.1.1 零空间方法

8.1.2 拉格朗日乘子法

8.2 一般凸二次规划的有效集方法

8.3 算法的MATLAB实现

第9章 多目标规划

9.1 多目标规划的概念

9.2 有效解、弱有效解和绝对有效解

9.3 处理多目标规划问题的一些方法

9.3.1 评价函数法

9.3.2 约束法

9.3.3 逐步法

9.3.4 分层求解法

9.3.5 图解法

9.4 权系数的确定方法

9.4.1 α-方法

9.4.2 老手法

9.4.3 最小平方法

9.5 目标规划法

9.5.1 目标规划模型

9.5.2 目标点法

9.5.3 目标规划单纯形法

9.6 算法的MATLAB实现

第10章 图论

10.1 图的理论基础

10.1.1 图的基本概念

10.1.2 图的矩阵表示

10.1.3 图论的基本性质和定理

10.2 最短路

10.2.1 Dijkstra算法

10.2.2 Warshall-Floyd算法

10.2.3 求最大可靠路的算法

10.2.4 求期望最大可靠容量路

10.3 树

10.3.1 求最小树的Kruskal算法

10.3.2 求最小树的Prim算法

10.4 欧拉（Euler）图和Hamilton图

10.4.1 Euler图

10.4.2 中国邮递员问题

10.4.3 Hamilton图

10.4.4 旅行售货员问题

10.5 匹配问题及其算法

10.5.1 匹配、完善匹配、最大匹配

10.5.2 匹配的基本定理

10.5.3 人员分配问题

10.5.4 最优分派问题

10.6 网络流的算法

10.6.1 网络和流

10.6.2 割

10.6.3 网络的最大流问题及Ford-Fulkerson算法

10.7 最小费用流

10.7.1 最小费用流问题

10.7.2 Busacker-Gowan迭代算法

10.8 图的染色

10.8.1 顶点染色及其算法

10.8.2 边染色及其算法

10.9 算法的MATLAB实现

下篇 现代智能优化算法

第11章 进化算法

11.1 进化算法概述

11.2 遗传算法

11.2.1 遗传算法的基本概念

11.2.2 遗传算法的分析

11.2.3 遗传算子

11.2.4 控制参数的选择

11.2.5 简单遗传算法的改进

11.3 进化规划算法

11.3.1 进化规划算法算子

11.3.2 进化算法的改进算法

11.3.3 进化规划算法的特点

11.4 进化策略算法

11.4.1 进化策略算法的基本流程

11.4.2 进化策略算法的构成要素

11.5 进化规划与进化策略的关系

11.6 差分进化计算

11.6.1 差分进化计算的基本流程

11.6.2 差分进化计算的构成要素

11.6.3 差分进化计算的特点

11.7 Memetic算法

11.7.1 基本概念

11.7.2 Memetic算法的基本流程

11.7.3 Memetic算法的要点

11.7.4 Memetic算法的优点

11.8 算法的MATLAB实现

第12章 模拟退火算法

12.1 固体退火与模拟退火算法

12.1.1 固体退火过程和Metropolis准则

12.1.2 模拟退火算法的基本过程

12.2 模拟退火算法的控制参数

12.3 模拟退火算法的改进

12.4 算法的MATLAB实现

第13章 禁忌算法

13.1 禁忌搜索

13.1.1 禁忌搜索示例

13.1.2 禁忌算法的流程

13.1.3 禁忌算法的特点

13.2 禁忌算法的关键参数和操作

13.3 算法的MATLAB实现

第14章 蚁群算法

14.1 蚂蚁系统模型

14.1.1 基本概念

14.1.2 蚂蚁系统的基本模型

14.1.3 蚁密系统、蚁量系统和蚁周系统

14.1.4 蚁群算法的特点

14.2 蚁群算法的参数分析

14.3 蚁群算法的改进

14.3.1 带精英策略的蚂蚁系统

14.3.2 基于优化排序的蚂蚁系统

14.3.3 蚁群系统

14.3.4 最大-最小蚂蚁系统

14.3.5 最优-最差蚂蚁系统

14.3.6 自适应蚁群算法

14.4 算法的MATLAB实现

第15章 粒子群算法

15.1 粒子群算法的基本原理

15.2 全局模式与局部模式

15.3 改进的粒子群算法

15.3.1 带活化因子的粒子群算法

15.3.2 动态自适应惯性粒子群算法

15.3.3 自适应随机惯性权重粒子群算法

15.4 粒子群算法的特点

15.5 算法的MATLAB实现

第16章 人工鱼群算法

16.1 人工鱼群算法的基本原理

16.2 人工鱼的结构模型

16.3 人工鱼的四种基本行为算法描述

16.4 人工鱼群算法流程

16.5 各种参数对算法收敛性能的影响

16.6 人工鱼群算法的改进

16.7 全局人工鱼群算法

16.8 算法的MATLAB实现

第17章 混合蛙跳算法

17.1 基本原理

17.2 基本术语

17.3 算法的基本流程及算子

17.4 算法控制参数的选择

17.5 混合蛙跳算法的改进

17.6 算法的MATLAB实现

第18章 量子遗传算法

18.1 量子计算的基础知识

18.2 量子计算

18.3 量子遗传算法的流程

18.4 量子遗传算法的控制参数

18.5 量子遗传算法的改进

18.6 算法的MATLAB实现

第19章 人工蜂群算法

19.1 自然界中的蜂群

19.2 人工蜂群算法的基本原理

19.3 人工蜂群算法的流程

19.4 算法控制参数

19.5 人工蜂群算法的改进

19.6 算法的MATLAB实现

第20章 混沌优化算法

20.1 混沌优化的概念和原理

20.1.1 混沌的发展

20.1.2 混沌的定义及其特征

20.2 混沌优化

20.2.1 混沌优化方法

20.2.2 混沌优化算法的改进

20.3 算法的MATLAB实现

第21章 人工免疫算法

21.1 人工免疫算法概述

21.1.1 生物免疫系统

21.1.2 生物免疫基本原理

21.1.3 人工免疫系统及免疫算法

21.1.4 人工免疫算法与遗传算法的比较

21.2 免疫遗传算法

21.3 免疫规划算法

21.4 免疫策略算法

21.5 基于动态疫苗提取的免疫遗传算法

21.6 免疫克隆选择算法

21.7 算法的MATLAB实现

第22章 细菌觅食算法

22.1 大肠杆菌的觅食行为

22.2 细菌觅食算法的基本原理

22.2.1 算法的主要步骤与流程

22.2.2 算法参数的选取

22.3 细菌觅食算法的改进

22.4 算法的MATLAB实现

第23章 猫群算法

23.1 猫群算法的基本思想

23.1.1 基本术语

23.1.2 基本流程

23.2 控制参数的选择

23.3 猫群算法与粒子群算法的比较

23.4 猫群算法的改进

23.5 算法的MATLAB实现

第24章 神经网络与神经网络优化算法

24.1 人工神经网络的基本概念

24.1.1 人工神经元

24.1.2 传递函数

24.2 神经网络的模型

24.2.1 单层感知机

24.2.2 多层感知机

24.2.3 径向基函数神经网络

24.2.4 自组织竞争人工神经网络

24.2.5 对向传播神经网络

24.2.6 反馈型神经网络

24.3 神经网络与优化问题

24.3.1 求解优化问题的神经网络方法

24.3.2 求解组合优化问题的神经网络方法

24.4 算法的MATLAB实现

第25章 其他群智能优化算法

25.1 群智能概述

25.2 人工萤火虫群优化算法

25.3 蝙蝠算法

25.4 果蝇优化算法

25.5 生物地理优化算法

25.6 入侵野草优化算法

25.7 引力搜索算法

25.8 竞选算法

25.9 人工植物优化算法

25.10 文化算法

25.11 和声搜索算法

25.12 灰狼优化算法

25.13 布谷鸟搜索算法

25.14 化学反应优化算法

25.15 算法的MATLAB实现

第26章 混合优化算法

26.1 混合优化策略

26.1.1 算法流程要素

26.1.2 混合优化策略的关键问题

26.2 优化算法的性能评价指标

26.3 混合算法的统一结构

26.4 混合优化策略的应用

26.4.1 遗传算法-模拟退火算法的混合优化策略

26.4.2 基于模拟退火-单纯形算法的混合策略

26.4.3 基于混合策略的TSP优化

26.4.4 基于混合策略的神经网络权值学习

26.5 混合优化算法的发展趋势

26.6 算法的MATLAB实现

参考文献