第1章 概述 001
1.1 智能优化算法简介 001
1.1.1 智能优化算法的含义与特点 001
1.1.2 智能优化算法的分类 002
1.2 最优化问题 003
1.2.1 最优化问题含义 003
1.2.2 最优化问题的分类 003
1.2.3 计算复杂性与NP问题 004
1.3 智能优化算法的应用与发展 004
参考文献 005

第2章 遗传算法 006
2.1 遗传算法理论 006
2.1.1 遗传算法的基本概念 006
2.1.2 遗传算法的生物学基础 007
2.1.3 遗传算法的特点 008
2.1.4 遗传算法的改进方向 008
2.2 遗传算法流程 009
2.3 实例推导与仿真 010
参考文献 021

第3章 模拟退火算法 022
3.1 引言 022
3.2 模拟退火算法理论 022
3.2.1 物理退火过程 022
3.2.2 模拟退火算法的原理 023
3.2.3 模拟退火算法的特点 023
3.2.4 模拟退火算法的改进方向 024
3.3 模拟退火算法流程 025
3.4 实例推导与仿真 026
参考文献 035

第4章 禁忌搜索算法 037
4.1 引言 037
4.2 禁忌搜索算法理论 037
4.2.1 禁忌搜索算法的发展历程 037
4.2.2 禁忌搜索算法的优化过程 038
4.2.3 禁忌搜索算法的特点 038
4.2.4 禁忌搜索算法的改进方向 039
4.3 禁忌搜索算法流程 040
4.3.1 关键参数说明 040
4.3.2 禁忌搜索算法流程 041
4.4 实例推导与仿真 042
参考文献 053

第5章 蚁群优化算法 055
5.1 引言 055
5.2 蚁群优化算法理论 055
5.2.1 蚁群觅食过程 055
5.2.2 蚁群优化算法的优化过程 056
5.2.3 蚁群优化算法的特点 056
5.2.4 蚁群优化算法的改进方向 057
5.3 蚁群优化算法流程 058
5.3.1 关键参数说明 059
5.3.2 算法的整体思路 060
5.4 实例推导与仿真 062
参考文献 079

第6章 粒子群优化算法 080
6.1 引言 080
6.2 粒子群优化算法理论 080
6.2.1 粒子群优化算法的优化过程 080
6.2.2 粒子群优化算法的特点 081
6.2.3 粒子群优化算法的改进方向 082
6.3 粒子群优化算法流程 083
6.3.1 关键参数说明 084
6.3.2 算法的整体思路 086
6.4 实例推导与仿真 088
参考文献 103

第7章 帝国竞争算法 105
7.1 引言 105
7.2 帝国竞争算法理论 105
7.2.1 帝国竞争算法的主要过程 105
7.2.2 帝国竞争算法的优化过程 106
7.3 帝国竞争算法流程 106
7.3.1 ICA算法的初始化 108
7.3.2 殖民地向所属帝国主义国家移动 109
7.3.3 改变帝国主义国家和殖民地的位置 110
7.3.4 计算帝国的总势力 110
7.3.5 帝国的竞争 111
7.3.6 弱势帝国的灭亡 112
7.3.7 总结 112
7.4 实例推导与仿真 112
参考文献 124

第8章 多目标进化优化 125
8.1 引言 125
8.2 多目标进化优化基础 125
8.2.1 多目标优化问题 125
8.2.2 多目标优化个体之间的关系 126
8.2.3 基于Pareto的多目标最优解集 127
8.3 基于Pareto的多目标优化算法一般框架 127
8.4 仿真案例 128
参考文献 133