《面向復(fù)雜優(yōu)化問題求解的智能優(yōu)化方法》首先從一般優(yōu)化問題求解的角度，論述了優(yōu)化問題的研究意義、優(yōu)化研究中的基本概念與數(shù)學(xué)模型、優(yōu)化問題的分類與求解方法運用原則，并介紹了智能優(yōu)化的概念、方法分類以及發(fā)展歷史。然后介紹了8類典型智能優(yōu)化方法的基本思想、概念和原理、步驟流程、典型的算法變體以及算法的擴(kuò)展與改進(jìn)設(shè)計等內(nèi)容。從共性理論與方法角度出發(fā)，介紹了智能優(yōu)化方法的統(tǒng)一框架、探索一開發(fā)權(quán)衡理論，并介紹了典型的混合智能優(yōu)化算法以及通用的混合策略分類法。在應(yīng)用方面，針對多類典型的、具有不同難度特征的優(yōu)化問題，分別介紹了智能優(yōu)化方法在這些問題求解中的設(shè)計與運用方法。這些問題提煉于作者長期從事的與先進(jìn)火力與指揮控制系統(tǒng)相關(guān)的科研實踐。
《面向復(fù)雜優(yōu)化問題求解的智能優(yōu)化方法》可供自動化、計算機(jī)、系統(tǒng)工程、信息處理、運籌與管理、應(yīng)用數(shù)學(xué)等專業(yè)的教師以及相關(guān)領(lǐng)域的技術(shù)開發(fā)人員參考，也可作為相關(guān)專業(yè)的高年級本科生和研究生的教材。
第1章 緒論
1．1 最優(yōu)化問題的研究意義
1．2 優(yōu)化問題的基本概念與數(shù)學(xué)模型
1．3 優(yōu)化問題的分類與求解方法運用原則
1．3．1 解的分類
1．3．2 目標(biāo)的分類
1．3．3 約束的分類
1．3．4 優(yōu)化問題的分類譜系
1．3．5 問題規(guī)模與計算復(fù)雜性
1．3．6 求解方法的運用原則與搜索優(yōu)化算法的一般流程
1．4 智能優(yōu)化的概念
1．5 智能優(yōu)化方法的分類
1．6 智能優(yōu)化研究的發(fā)展歷史
問題與思考
參考文獻(xiàn)
第2章 典型智能優(yōu)化方法
2．1 偽隨機(jī)數(shù)的生成
2．1．1 均勻分布的偽隨機(jī)數(shù)
2．1．2 任意概率分布的偽隨機(jī)數(shù)
2．2 混沌迭代與混沌搜索算法
2．3 模擬退火算法
2．3．1 模擬退火算法的原理
2．3．2 模擬退火算法的基本結(jié)構(gòu)
2．3．3 多目標(biāo)模擬退火算法
2．4 禁忌搜索算法
2．4．1 禁忌搜索算法的基本思想
2．4．2 禁忌搜索算法流程
2．5 遺傳算法
2．5．1 遺傳算法的基本概念和思想
2．5．2 遺傳算法的改進(jìn)研究、經(jīng)典變體及其應(yīng)用
2．6 差分進(jìn)化算法
2．6．1 傳統(tǒng)差分進(jìn)化算法
2．6．2 差分進(jìn)化算法的先進(jìn)變體
2．7 分布估計算法
2．7．1 分布估計算法的思想與算法流程
2．7．2 離散型分布估計算法
2．7．3 連續(xù)型分布估計算法
2．7．4 動態(tài)環(huán)境下的分布估計算法
2．7．5 多目標(biāo)分布估計算法
2．7．6 分布估計算法的應(yīng)用
2．8 蟻群優(yōu)化算法
2．8．1 蟻群算法的思想起源
2．8．2 基本蟻群算法原理
2．8．3 改進(jìn)蟻群算法
2．9 粒子群優(yōu)化算法
2．9．1 粒子群優(yōu)化算法的相關(guān)背景
2．9．2 經(jīng)典粒子群優(yōu)化算法
2．9．3 新型粒子群優(yōu)化算法
問題與思考
參考文獻(xiàn)
第3章 智能優(yōu)化方法的統(tǒng)一框架與共性理論
3．1 智能優(yōu)化方法的統(tǒng)一框架
3．2 智能優(yōu)化方法的收斂性分析
3．2．1 收斂性與全局收斂性的定義
3．2．2 全局收斂性定理
3．2．3 關(guān)于收斂性的討論
3．3 搜索空間的探索一開發(fā)權(quán)衡
3．3．1 探索與開發(fā)的定義與權(quán)衡方式
3．3．2 探索一開發(fā)權(quán)衡的多階段隨機(jī)壓縮模型
3．4 總結(jié)與討論
問題與思考
參考文獻(xiàn)
第4章 混合型智能優(yōu)化方法
4．1 文化基因算法
……
第5章 智能優(yōu)化方法在作戰(zhàn)資源部署問題中的應(yīng)用
第6章 智能優(yōu)化方法在作戰(zhàn)資源分配問題中的應(yīng)用
第7章 智能優(yōu)化方法在運動體路徑規(guī)劃問題中的應(yīng)用
新書資訊