智能优化算法及其应用

　　随着科学技术的进步，在现实中遇到的问题变得越来越复杂，如何有效地解决是经常面临的一个问题。因此，国内外众多研究者在不断地研究和探索，而智能优化算法已成为重要的研究方向。《智能优化算法及其应用》介绍了经典、受欢迎的9种智能优化算法的基本原理、算法流程、算法的不足与改进及网络安全领域的应用，并给出了仿真测试实例，包括遗传算法、差分进化算法、蚁群算法、粒子群算法、人工蜂群算法、灰狼优化算法、鲸鱼优化算法、模拟退火算法和头脑风暴优化算法。《智能优化算法及其应用》适合作为计算机、信息、通信、控制、网络安全等相关专业高年级本科生和研究生的教材，也可供从事智能优化算法研究和应用的科研人员参考。

暂缺《智能优化算法及其应用》作者简介

第1章 绪论
1．1 概述
1．2 进化类算法
1．3 群智能算法
1．4 仿物理学优化算法
1．5 仿人智能优化算法
参考文献
第2章 遗传算法
2．1 引言
2．2 遗传算法理论
2．2．1 遗传算法的生物学基础
2．2．2 遗传算法理论基础
2．2．3 遗传算法的基本概念
2．2．4 遗传算法的特点
2．3 遗传算法流程及关键参数设置
2．3．1 标准遗传算法
2．3．2 遗传算法基本流程
2．3．3 遗传算法关键参数设置
2．4 遗传算法的改进
2．4．1 遗传算法存在的问题
2．4．2 遗传算法的改进方法
2．5 网络安全领域应用及仿真测试实例
参考文献
第3章 差分进化算法
3．1 引言
3．2 差分进化算法理论
3．2．1 差分进化算法的原理
3．2．2 差分进化算法的特点
3．2．3 基本的差分进化算法
3．2．4 差分进化算法的其他形式
3．3 差分进化算法流程及关键参数设置
3．3．1 差分进化算法流程
3．3．2 差分进化算法关键参数设置
3．4 差分进化算法的改进
3．4．1 差分进化算法存在的问题
3．4．2 差分进化算法的改进策略
3．5 网络安全领域应用及仿真测试实例
参考文献
第4章 蚁群算法
4．1 引言
4．2 蚁群算法理论
4．2．1 蚁群的抽象
4．2．2 真实蚁群的觅食过程
4．2．3 人工蚁群的优化过程
4．2．4 真实蚂蚁与人工蚂蚁的异同
4．2．5 蚁群算法的特点
4．3 基本蚁群算法流程及关键参数设置
4．3．1 基本蚁群算法流程
4．3．2 蚁群算法关键参数设置
4．4 蚁群算法的改进
4．4．1 蚁群算法存在的问题
4．4．2 蚁群算法的改进算法
4．5 网络安全领域应用及仿真测试实例
参考文献
……
第5章 粒子群算法
第6章 人工蜂群算法
第7章 灰狼优化算法
第8章 鲸鱼优化算法
第9章 模拟退火算法
第10章 头脑风暴优化算法