前言
第1章绪论
11优化问题
111优化问题的数学模型
112生活中优化问题的数学描述
113描述优化问题的基本概念
114优化问题的分类
12传统优化方法
13智能优化算法
131智能优化算法发展历史
132智能优化算法求解复杂问题的思路
133智能优化算法求解复杂问题的步骤
14智能优化算法性能测试
141IEEE CEC基准测试
142TSP测试集
15智能优化算法与传统优化方法的比较
16智能优化算法的应用案例
161拉伸/压缩弹簧设计问题
162压力容器设计问题
163悬臂梁设计问题
164齿轮传动设计问题
165工字梁设计问题
17习题
18参考文献
第2章Python语言基础
21Python概述
211Python简介
212Python开发工具
213第一个Python程序
22Python语言基础知识
221基础数据类型
222保留字与标识符
223运算符
224数据输入输出
23流程控制语句
231顺序语句
232选择语句
233循环语句
24列表
241创建与删除列表
242添加与修改列表元素
243对列表进行统计和计算
244其他操作
25NumPy数组
251创建NumPy数组
252NumPy数组的基本操作
26Python函数
261参数传递
262变量的作用域
263函数的返回值与递归
264匿名函数
27模块
28文件
29习题
第3章禁忌搜索算法
31局部搜索
311邻域的概念
312局部搜索算法
32禁忌搜索算法概述
321禁忌搜索算法的提出
322禁忌搜索算法的基本原理
33禁忌搜索算法描述
331禁忌搜索算法的关键参数和操作
332禁忌搜索算法的步骤、流程和伪代码
34禁忌搜索算法案例
341求解CEC2005-F2函数
342求解CEC2005-F3函数
35禁忌搜索算法的改进
351动态禁忌表管理
352并行禁忌搜索策略
36禁忌搜索算法应用及Python实现
361问题描述
362解决过程
363Python实现及结果分析
37习题
38参考文献
第4章模拟退火算法
41模拟退火算法概述
411模拟退火算法的热力学基础
412模拟退火算法的原理
42模拟退火算法描述
421模拟退火算法的构成要素
422模拟退火算法的步骤、流程和伪代码
43模拟退火算法案例
431求解CEC2005-F5函数
432求解CEC2005-F8函数
44模拟退火算法的改进
441采用新的温度更新函数及相应概率密度函数的模拟退火全局优化算法
442模拟退火算法和遗传算法的混合算法
443基于粒子群优化算法与模拟退火算法的协同进化方法
45模拟退火算法应用及Python实现
451问题描述
452解决过程
453Python实现及结果分析
46习题
47参考文献
第5章遗传算法
51遗传算法概述
511遗传算法的提出
512遗传算法的生物学基础
513遗传算法的基本原理
52遗传算法描述
521遗传算法的基本要素
522遗传算法的步骤、流程和
伪代码
53遗传算法案例
531求解McCormick函数
532求解Bohachevsky函数
54遗传算法的改进
541精英保留策略
542自适应遗传算法
543基于共享机制的小生境遗传算法
544其他遗传算法
55遗传算法应用及Python实现
551问题描述
552解决过程
553Python实现及结果分析
56习题
57参考文献
第6章蚁群优化算法
61蚁群优化算法概述
611蚁群优化算法的提出
612蚁群优化算法的生物学基础
62蚁群优化算法描述
621蚁群优化算法数学模型构建过程的复现
622蚁群优化算法的基本操作
623蚁群优化算法的步骤、流程和伪代码
624蚁群优化算法的关键参数
63蚁群优化算法案例
631求解CEC2017-Zakharov函数
632求解CEC2005-F9函数
64蚁群优化算法的改进
641精英蚂蚁系统
642最大最小蚂蚁系统
643基于排序的蚂蚁系统
65蚁群优化算法应用及Python实现
651问题描述
652解决过程
653Python实现及结果分析
66习题
67参考文献
第7章粒子群优化算法
71粒子群优化算法概述
711粒子群优化算法的提出
712粒子群优化算法的生物学基础
72粒子群优化算法描述
721粒子群优化算法数学模型构建过程的复现
722粒子群优化算法的步骤、流程和伪代码
723粒子群优化算法的重要参数
73粒子群优化算法案例
731求解Schaffer’s F6测试函数
732求解Bent Cigar测试函数
74粒子群优化算法的改进
741标准粒子群优化算法
742带收缩因子的粒子群优化算法
743离散粒子群优化算法
75粒子群优化算法应用及Python实现
751问题描述
752解决过程
753Python实现及结果分析
76习题
77参考文献
第8章差分进化算法
81差分进化算法概述
811差分进化算法的提出
812差分进化算法的基本原理
82基本差分进化算法描述
821差分进化算法的基本操作
822差分进化算法的数学模型
823基本差分进化算法的步骤、流程和伪代码
83差分进化算法案例
831求解Himmelblau函数
832求解CEC2005-F6函数
84差分进化算法的改进
841采用随机比例因子的差分进化算法
842采用时变比例因子的差分进化算法
85差分进化算法应用及Python实现
851问题描述
852解决过程
853Python实现及结果分析
86习题
87参考文献
第9章新型仿生智能算法
91黑翅鸢优化算法
911黑翅鸢优化算法的提出
912黑翅鸢优化算法的生物学基础
913黑翅鸢优化算法的基本原理
914黑翅鸢优化算法的数学模型
915黑翅鸢优化算法的描述
916案例：求解CEC2017-F4函数
917黑翅鸢优化算法应用及Python实现
92哈里斯鹰优化算法
921哈里斯鹰优化算法的提出
922哈里斯鹰优化算法的生物学基础
923哈里斯鹰优化算法的基本原理
924哈里斯鹰优化算法的数学模型
925哈里斯鹰优化算法的描述
926求解CEC2017-F5函数
927哈里斯鹰优化算法应用及Python实现
93习题
94参考文献
附录
附录ACEC2017测试函数
附录BCEC2021测试函数
附录CCEC2022测试函数
附录D习题参考答案