智能优化算法是人工智能的核心技术之一。本书主要从原理和设计两方面对智能优化算法进行深入解析。全书内容共7章，其中，第1章介绍智能优化算法的一些基本定义和基础知识；第2～6章分别讨论通过模拟基于进化规律、物理原理、化学原理、人类行为、群智能等不同机理而产生的五类智能优化算法，每类算法重点介绍几个典型算法的求解原理、优化策略和算法实现；第7章结合战略性新兴领域的实际需求，探讨智能优化算法在智慧环保、生物工程、脑科学中的一些工程应用。 　　本书可作为普通高等院校计算机、自动化、人工智能等相关专业本科生、研究生的专业课或通识课教材，也可供广大从事智能优化的工程技术人员参考。 　　本书配有电子课件等教学资源，欢迎选用本书作教材的教师登录www.cmpedu.com注册后下载，或发邮件至jinacmp@163.com索取。

高等院校教师

前言
第1章　绪论 1
1.1　优化问题 1
1.1.1　什么是优化问题 1
1.1.2　优化问题的类别 2
1.1.3　经典优化问题 4
1.2　智能优化算法 7
1.2.1　什么是智能优化算法 7
1.2.2　基本术语和机制 8
1.2.3　智能优化算法的分类及其发展历程 9
1.2.4　智能优化算法的应用 15
本章小结 16
思考题与习题 16
参考文献 17
第2章　基于进化规律的智能优化算法 22
2.1　遗传算法 22
2.1.1　算法原理 23
2.1.2　关键操作 26
2.1.3　典型问题求解案例 32
2.1.4　前沿进展 35
2.2　差分进化算法 36
2.2.1　算法原理 36
2.2.2　典型问题求解案例 40
2.2.3　前沿进展 42
2.3　生物地理学优化算法 43
2.3.1　算法原理 44
2.3.2　优化策略 46
2.3.3　典型问题求解案例 51
2.3.4　前沿进展 53
本章小结 54
思考题与习题 55
参考文献 55
第3章　基于物理原理的智能优化算法 59
3.1　模拟退火算法 59
3.1.1　算法原理 60
3.1.2　优化策略 62
3.1.3　算法流程 64
3.1.4　典型问题求解案例 65
3.1.5　前沿进展 67
3.2　引力搜索算法 67
3.2.1　算法原理 68
3.2.2　优化策略 69
3.2.3　算法流程 70
3.2.4　典型问题求解案例 71
3.2.5　前沿进展 73
3.3　量子近似优化算法 74
3.3.1　算法原理 74
3.3.2　优化策略 78
3.3.3　算法流程 80
3.3.4　典型问题求解案例 81
3.3.5　前沿进展 84
本章小结 84
思考题与习题 85
参考文献 86
第4章　基于化学原理的智能优化算法 88
4.1　化学反应优化算法 88
4.1.1　算法原理 89
4.1.2　算法描述 89
4.1.3　算法流程 93
4.1.4　典型问题求解案例 95
4.1.5　前沿进展 98
4.2　人工化学反应优化算法 98
4.2.1　基本概念与原理 98
4.2.2　算法描述 100
4.2.3　算法流程 103
4.2.4　典型问题求解案例 104
4.2.5　前沿进展 106
4.3　材料生成算法 106
4.3.1　基本概念与原理 107
4.3.2　算法描述 108
4.3.3　算法流程 112
4.3.4　典型问题求解案例 112
本章小结 115
思考题与习题 115
参考文献 116
第5章　基于人类行为的智能优化算法 118
5.1　人工神经网络算法 118
5.1.1　算法原理 119
5.1.2　反向传播神经网络算法 121
5.1.3　径向基函数神经网络算法 125
5.1.4　典型问题求解案例 127
5.1.5　前沿进展 128
5.2　禁忌搜索算法 130
5.2.1　典型搜索算法概述 130
5.2.2　基本概念 131
5.2.3　算法流程 132
5.2.4　典型问题求解案例 134
5.2.5　前沿进展 139
5.3　头脑风暴优化算法 140
5.3.1　头脑风暴法概述 140
5.3.2　算法原理 142
5.3.3　典型问题求解案例 144
5.3.4　前沿进展 149
本章小结 150
思考题与习题 151
参考文献 152
第6章　基于群智能的智能优化算法 154
6.1　蚁群优化算法 154
6.1.1　算法原理 155
6.1.2　蚂蚁系统算法 156
6.1.3　蚁群系统算法 159
6.1.4　最大-最小蚂蚁系统算法 161
6.1.5　典型问题求解案例 163
6.1.6　前沿进展 167
6.2　粒子群优化算法 168
6.2.1　算法原理 169
6.2.2　基本粒子群优化算法 170
6.2.3　标准粒子群优化算法 172
6.2.4　多目标粒子群优化算法 174
6.2.5　典型问题求解案例 179
6.2.6　前沿进展 184
6.3　细菌觅食优化算法 185
6.3.1　算法原理 185
6.3.2　算法描述 186
6.3.3　典型问题求解案例 190
6.3.4　前沿进展 196
6.4　浣熊优化算法 197
6.4.1　算法原理 197
6.4.2　算法描述 198
6.4.3　典型问题求解案例 200
本章小结 205
思考题与习题 205
参考文献 207
第7章　基于智能优化算法的实际问题求解案例 211
7.1　一类污水处理系统的智能评判优化控制设计 212
7.1.1　污水处理过程的基本运行原理 212
7.1.2　多目标智能优化算法描述 214
7.1.3　智能跟踪控制器设计 216
7.1.4　实验分析 219
7.2　基于细菌觅食优化的蛋白质功能模块检测 222
7.2.1　PPI网络及其蛋白质功能模块检测 222
7.2.2　BFO-FMD算法描述 223
7.2.3　实验分析 228
7.3　基于萤火虫算法的脑效应连接网络学习 231
7.3.1　脑效应连接学习概述 232
7.3.2　学习脑效应连接网络的萤火虫算法 233
7.3.3　FAEC算法描述 238
7.3.4　实验分析 239
本章小结 245
参考文献 245