内容简介：　优化问题一直是计算机科学、人工智能和管理决策等领域广泛关注的一个问题。《智能进化算法概述及应用》由浅入深地介绍了粒子群优化算法、差分进化算法、混洗蛙跳算法、人工蜂群优化算法、果蝇优化算法、人工免疫优化算法和量子衍生进化算法及其相关应用，力求帮助读者能较容易地应用智能进化算法解决相应的问题。

编辑推荐：《智能进化算法概述及应用》可作为与优化理论及应用相关专业的本科生或研究生教材，也可供相关领域研究人员及工程技术人员参考。

前言 最优化问题一直受到计算机科学、人工智能和管理决策等领域的广泛关注。优化是一种以数学为基础、用于求解各种工程问题优化解的应用技术，它作为一个重要的科学分支，一直受到人们的广泛重视。用传统的最优化方法求解，需要的计算时间与问题的规模呈指数关系，这使得传统的优化方法在实际复杂优化问题的求解上显得无能为力。群体智能算法是近几十年发展起来的仿生模拟进化的新型算法，具有操作简单、通用性强、宜于并行处理和鲁棒性强等特点。群体智能算法将问题的所有可能解集看作解空间，从代表问题可行解的一个子集开始，通过对该子集施加某种算子操作，从而产生新的解集，并逐渐使种群进化到包含最优解或近似最优解的状态。在进化过程中仅需要目标函数的信息，不受搜索空间是否连续或可微的限制就可找到最优解。群体智能算法目前已被广泛应用于机器学习、组合优化、神经网络训练、工业优化控制、模式分类、模糊系统控制、图像处理等多个领域，已成为人们求解复杂优化问题强有力的工具。
　　本书本着由浅入深、易于掌握的原则，第1章简要介绍了最优化理论的基本知识和一些现有的智能进化算法，给读者一个简单的主观认识；第2～8章分别介绍了目前应用较为广泛的7种智能算法.分别是粒子群优化算法、差分进化算法、混洗蛙跳算法、人工蜂群优化算法、果蝇优化算法、人工免疫优化算法和量子衍生进化算法。书中对每种算法的基本原理、参数设置及应用案例进行了详细介绍，力求读者能较容易地应用智能进化算法解决相应的问题。另外，根据没有免费的午餐定理，所有最优化算法的性能是等价的，不存在任何最优化算法在所有问题上的性能都比其他最优化算法更好的情况。因此，读者需根据研究问题的特点以及优化算法的特性来调整算法的参数或是对其进行改进，才能使得智能进化算法具有更好的性能。
　　本书具体分工如下：第1～6章由张强编写，第7章由富宇编写，第8章由李盼池编写。
　　鉴于作者水平有限，书中难免存在疏漏和不妥之处，敬请读者指正。

目录 第1章 概述
1．1 最优化问题模型
1．2 群体智能优化算法
1．3 智能进化算法研究及应用
本章小结

第2章 粒子群优化算法
2．1 粒子群优化算法原理
2．2 粒子群优化算法求解旅行商问题
2．3 粒子群优化算法在克里金三维地质建模中的应用
本章小结

第3章 差分进化算法
3．1 差分进化算法原理
3．2 函数极值优化及参数设置
3．3 基于差分进化优化支持向量机参数
本章小结

第4章 混洗蛙跳算法
4．1 混洗蛙跳算法原理
4．2 混洗蛙跳算法求解0-1背包问题
4．3 自适应分组混沌云模型蛙跳算法
4．4 基于元胞自动机的混洗蛙跳优化算法
本章小结

第5章 人工蜂群优化算法
5．1 人工蜂群优化算法原理
5．2 自适应混合文化蜂群算法原理
5．3 基于人工蜂群优化算法的K-Means聚类
本章小结

第6章 果蝇优化算法
6．1 基本果蝇优化算法
6．2 动态分组多策略果蝇优化算法原理
6．3 基于果蝇优化算法的极限学习机训练
6．4 基于果蝇优化算法的过程神经网络训练
本章小结

第7章 人工免疫优化算法
7．1 人工免疫优化算法原理
7．2 基于人工免疫优化算法的物流配送中心选址
7．3 基于人工免疫优化算法求解旅行商问题
本章小结

第8章 量子衍生进化算法
8．1 改进的量子遗传算法
8．2 基于量子位Bloch坐标的量子进化算法
本章小结

参考文献