第1章 绪论

1.1最优化方法的意义

1.2最优化方法的分类

1.3群智能优化方法的产生与发展

1.4怎样学习群智能优化方法

参考文献

第2章 最优化模型

2.1单变量最优化

2.2多变量最优化

2.3传统的优化计算方法

2.3.1拉格朗日乘子法

2.3.2牛顿迭代法

2.3.3最速下降法

参考文献

第3章 遗传算法

3.1导言

3.2基本原理

3.2.1基本思想

3.2.2组成要素

3.2.3算法流程

3.3遗传算法的数学机理

3.3.1模式的概念

3.3.2模式定理

3.4实例分析

3.4.1非线性约束优化问题

3.4.2多目标优化问题

3.4.3图像分割问题

参考文献

第4章 粒子群优化算法

4.1导言

4.2基本原理

4.2.1基本粒子群优化算法

4.2.2标准粒子群优化算法

4.2.3组成要素

4.3数学机理

4.3.1复杂度分析

4.3.2收敛性分析

4.4实例分析

4.4.1基于多样性反馈的粒子群优化算法

4.4.2基于离散式多样性评价策略的自适应粒子群优化算法

4.4.3双中心粒子群优化算法

参考文献

第5章 蚁群算法

5.1导言

5.2基本原理

5.2.1蚁群觅食的特性

5.2.2蚂蚁系统模型

5.2.3蚁群算法的实现

5.3复杂度及收敛性分析

5.3.1复杂度分析

5.3.2收敛性分析

5.4蚁群算法的改进

5.4.1蚁群算法的改进思路

5.4.2最大最小蚁群系统（MMAS）

5.4.3分段算法

5.4.4小窗口蚁群算法

5.4.5智能蚂蚁算法

5.4.6自适应蚁群算法

5.4.7具有变异和分工特征的蚁群算法

5.5实例分析

5.5.1旅行商问题

5.5.2聚类问题

5.5.3边缘检测问题

参考文献

第6章 人工免疫算法

6.1导言

6.2基本原理

6.2.1生物免疫系统的基本概念

6.2.2免疫系统的功能原理

6.2.3人工免疫算法基本流程

6.3 免疫算法的分类

6.3.1基于信息熵的免疫算法

6.3.2基于免疫特性的否定选择算法

6.3.3基于克隆选择学说的克隆选择算法

6.3.4基于免疫网络理论的免疫算法

6.3.5基于疫苗的免疫规划算法

6.4实例分析

6.4.1免疫算法与蚁群算法的混合

6.4.2基于免疫算法的图像分割方法

参考文献

第7章 文化算法

7.1导言

7.2基本原理

7.3文化算法的设计

7.3.1群体空间

7.3.2信度空间

7.3.3接受函数

7.3.4影响函数

7.4实例分析

7.4.1进化规划文化算法解决约束优化问题

7.4.2改进进化规划文化算法

参考文献

第8章 微分进化

8.1导言

8.2基本原理

8.2.1基本思想

8.2.2组成要素

8.2.3 DE算法的流程

8.3改进的微分进化算法

8.3.1 MADE算法

8.3.2 BinDE算法

8.3.3 normDE算法

8.3.4 基于极大、极小距离密度的多目标微分进化算法

8.4微分进化的几种优化策略

8.5实例分析

8.5.1微分进化文化算法

8.5.2基于Pareto的双群体多目标微分进化算法

参考文献

第9章 模拟退火算法

9.1导言

9.1.1物理退火过程

9.1.2退火与模拟退火

9.2模拟退火的数学描述和统计特性

9.2.1数学描述

9.2.2统计特性

9.3模拟退火算法的实现流程及性能分析

9.3.1算法的计算步骤和流程图

9.3.2算法的组成要素

9.3.3算法性能分析

9.4实例分析

9.4.1最小优化问题

9.4.2应急救援物资调度问题

参考文献