现代优化计算方法（清华大学研究生公共课教材）

　　本书主要介绍了禁忌搜索算法、模拟退火算法、蚁群优化算法、人工网络和拉格朗日松驰算法等用于求解最优化问题全局最优的现代化计算方法的模型与理论、应用技术和应用案例。本书有以下特点：内容较新。这些算法产生于20世纪80年以后，目前国际上还是一个研究热点。自成一个系统。目前国际、国内对每一个算法都有相应的专著或教材，但本教材将这些算法系统地综合在一起，这在国内是不多风孤。国际上有类似的专著，但缺少理论对分析和系统性的考虑。本教材中的数学基础既与工科学生的所学的知识衔接，同时又考虑到研究生阅读文献、从事科研的需要，并适当提高理论基础的起点。第一部分辅以应用案例，使读者能更好地理解算法。

暂缺《现代优化计算方法（清华大学研究生公共课教材）》作者简介

第1章 概论
  1.1 组合最优化问题
  1.2 计算复杂性的概念
  1.3 邻域的概念
  1.4 启发式算法
  1.5 NP,NP完全和NP难
  1.6 多项式时间迫近格式
  1.7 小结
  练习题
  参考文献
第2章 禁忌搜索算法
  2.1 局部搜索
  2.2 禁忌搜索
  2.3 技术问题
  2.4 应用案例——图节点着色和车间作业排序
  练习题
  参考文献
第3章 模拟退火算法
  3.1 模拟退火算法及模型
  3.2 马尔可夫链
  3.3 时齐算法的收敛性
  3.4 非时齐算法收敛性简介
  3.5 实现的技术问题
  3.6 应用案例——下料问题
  练习题
  参考文献
第4章 遗传算法
  4.1 遗传算法
  4.2 模板理论
  4.3 马尔可夫链收敛分析
  4.4 实现的技术问题
  4.5 遗传模拟退火算法
  4.6 应用案例——生产批量问题
  练习题
  参考文献
第5章 蚁群优化算法
  5.1 蚁群优化算法的概念
  5.2 算法模型和收敛性分析
  5.3 技术问题
  5.4 应用案例——医学诊断的数据挖掘
  练习题
  参考文献
第6章 人工神经网络
  6.1 人工神经网络的基本概念
  6.2 单层前向神经网络
  6.3 多层前向神经网络
  6.4 竞争学习神经网络
  6.5 反馈型神经网络
  练习题
  参考文献
第7章 拉格朗日松弛算法
  7.1 基于规划论的松弛方法
  7.2 拉格朗日松弛理论
  7.3 拉格朗日松弛的进一步讨论
  7.4 拉格朗日松弛算法
  7.5 应用案例——能力约束单机排序问题
  练习题
  参考文献
  索引