智能优化算法求解函数优化问题的研究

　　本书的研究思路如下：首先研究静态低维函数优化问题；其次研究高维函数问题；再次在静态问题得以有效解决的基础上再研究动态单目标函数优化问题；最后在此基础上对动态多目标函数优化问题进行深入探讨。

暂缺《智能优化算法求解函数优化问题的研究》作者简介

第1章 绪论
1.1 研究背景及意义
1.2 研究目标
1.3 内容组织结构
第2章 现有优化算法的研究
2.1 遗传算法
2.2 萤火虫算法
2.3 人工蜂群算法概述
2.4 网格优化算法
第3章 静态单目标优化问题
3.1 单目标优化算法
3.2 基于网格单目标连续函数优化算法
3.3 单目标函数优化数值实验
第4章 动态单目标优化问题的研究
4.1 动态单目标优化技术
4.2 动态单目标优化数值实验
第5章 多目标优化问题
5.1 多目标优化的基本概念
5.2 国内外多目标优化问题的研究现状
5.3 求解多目标优化问题的方法
5.4 ε占优的多目标优化概念
5.5 高维多目标优化问题
5.6 本章小结
第6章 面向多模函数优化的改进的网格优化算法
6.1 多模函数优化问题
6.2 网格优化算法的基本原理与改进思想
6.3 改进的GOA的实现
6.4 仿真实验及结果分析
6.5 本章小结
第7章 网格优化算法在排课中的应用
7.1 排课问题的研究背景及意义
7.2 排课问题的本质分析
7.3 网格算法排课的实现
7.4 基于.net的系统实现
7.5 本章小结
第8章 一种混合的GOA-GA优化算法
8.1 混合GOA-GA优化算法
8.2 数值试验
8.3 本章小结
第9章 自适应动态网格优化算法
9.1 自适应动态网格优化算法(AD-GEA)
9.2 仿真实验
9.3 本章小结
第10章 基于双种群的萤火虫无线传感器网络覆盖优化算法
10.1 基于双种群的萤火虫优化算法实现
10.2 仿真实验
10.3 基于双种群的萤火虫算法在无线传感器网络覆盖优化中的应用
10.4 本章小结
第11章 一种新的基于多群体人工蜂群数值优化算法
11.1 提出的新方法
11.2 仿真实验
11.3 本章小结
第12章 一种改进的基于概率吸引的萤火虫算法
12.1 改进算法的实现
12.2 仿真实验
12.3 本章小结
第13章 一种新颖的萤火虫算法求解参数识别问题
13.1 改进的策略
13.2 使用基准函数来测试本章提出的NFA算法的性能
13.3 NFA算法求解调频参数识别问题
13.4 本章小结
第14章 基于混合策略的改进的萤火虫算法
14.1 改进的算法(HFA)
14.2 测试实验
14.3 本章小结
参考文献