智能优化理论方法及其应用

　　《智能优化理论、方法及其应用》主要对遗传算法、蚁群算法、禁忌搜索算法、模拟退火算法和粒子群优化算法的相关理论、方法及其应用进行了系统的探讨。《智能优化理论、方法及其应用》包括三部分：第一部分是基础理论及方法，主要介绍了遗传算法、蚁群算法、禁忌搜索算法、模拟退火算法和粒子群优化算法的基本理论、主要构成、计算步骤、变形算法和应用实例；第二部分是典型应用及实例，在介绍相关智能优化方法工具箱的基础上，具体阐述如何采用遗传算法、蚁群算法、禁忌搜索算法、模拟退火算法和粒子群优化算法求解旅行商问题；第三部分是拓展阅读，主要收录了国外关于遗传算法、蚁群算法、禁忌搜索算法、模拟退火算法的部分经典素材（本部分单独结集成册）。

暂缺《智能优化理论方法及其应用》作者简介

第一部分 基础理论及方法
第1章 绪论
1．1 最优化的重要意义
1．2 传统优化方法的基本步骤及其局限性
1．3 智能优化方法的产生与发展
1．4 智能优化方法的研究现状
1．5 怎样学习、研究智能优化方法
问题与思考
第2章 遗传算法
2．1 导言
2．2 遗传算法的基本原理
2．3 改进与变形
2．4 应用实例
问题与思考
第3章 蚁群算法
3．1 导言
3．2 基本蚁群算法
3．3 改进的蚁群算法
3．4 蚁群算法与其他仿生优化算法的比较与融合
3．5 蚁群算法的典型应用
问题与思考
第4章 禁忌搜索算法
4．1 导言
4．2 算法的构成要素
4．3 算法基本流程
4．4 中期表与长期表
4．5 算法性能的改进
4．6 禁忌搜索算法的应用案例
问题与思考
第5章 模拟退火算法
5．1 导言
5．2 退火过程的数学描述和Boltzmann方程
5．3 模拟退火算法的构造及流程
5．4 算法的收敛性分析
5．5 应用案例
问题与思考
第6章 粒子群优化算法
6．1 导言
6．2 基本原理
6．3 PS0的改进与变形
6．4 应用实例
问题与思考
第7章 发展趋势
7．1 单一智能优化方法的不足
7．2 智能优化方法的集成技术
7．3 以遗传算法为代表的集成优化方法
7．4 以蚁群算法为代表的集成优化方法
7．5 以粒子群算法为代表的集成优化方法
问题与思考
第二部分 典型应用及实例
第8章 谢菲尔德遗传算法工具箱
8．1 理论基础
8．2 案例背景
8．3 MATLAB程序实现
第9章 遗传算法工具箱及应用
9．1 理论基础
9．2 案例背景
9．3 MATLAB程序实现
第10章 求解TsP问题的遗传算法
10．1 理论基础
10．2 案例背景
10．3 MATILAB程序实现
第11章 求解TsP问题的蚁群算法
11．1 理论基础
11．2 案例背景
11．3 MATLAB程序实现
第12章 模拟退火算法工具箱及应用
12．1 理论基础
12．2 案例背景
12．3 MATLAB程序实现
第13章 求解TSP问题的模拟退火算法
13．1 理论基础
13．2 案例背景
13．3 MATIAB程序实现
第14章 基于PSO工具箱的函数寻优算法
14．1 理论基础
14．2 案例背景
14．3 MATLAB程序实现
第15章 求解TSP问题的混合粒子群算法
15．1 理论基础
15．2 案例背景
15．3 MATLAB程序实现
参考文献