第1章 引言 1
第一部分 优化理论 5
第2章 优化问题和方法 5
2.1 优化问题的基本要素 5
2.2 优化问题分类 6
2.3 最优性条件 6
2.4 优化算法的类别 7
2.5 收敛的一般条件 7
2.5.1 简单随机搜索 8
2.5.2 局部收敛的条件 8
2.5.3 全局收敛的条件 10
2.5.4 收敛准则 11
2.6 小结 11
第3章 无约束优化 13
3.1 问题的定义 13
3.2 优化算法 13
3.2.1 一般局部搜索过程 13
3.2.2 集束搜索 14
3.2.3 禁忌搜索 14
3.2.4 模拟退火 15
3.2.5 蛙跳算法 16
3.3 标准问题示例 17
3.4 小结 18
第4章 约束优化 19
4.1 定义 19
4.2 约束处理方法 20
4.2.1 惩罚方法 21
4.2.2 将约束问题转换为非约束问题 21
4.3 标准问题实例 23
4.4 小结 24
第5章 多解问题 25
5.1 定义 25
5.2 小生境算法分类 25
5.3 标准问题实例 26
5.4 小结 26
第6章 多目标优化 27
6.1 多目标问题 27
6.2 帕累托最优 28
6.3 小结 31
第7章 动态优化问题 33
7.1 定义 33
7.2 动态环境的类型 33
7.3 标准问题实例 35
7.4 小结 36
第二部分 进化计算 39
第8章 进化计算导论 39
8.1 一般进化算法 40
8.2 表示 40
8.3 初始群体 41
8.4 适应度函数 41
8.5 选择 42
8.5.1 随机选择 42
8.5.2 比例选择 42
8.5.3 锦标赛选择 43
8.5.4 排序选择 43
8.5.5 （μ,λ）-选择和（μ+λ）-选择 43
8.5.6 精英选择 44
8.5.7 名人堂选择 44
8.6 繁殖算子 44
8.7 进化计算与经典优化 44
8.8 小结 45
第9章 进化计算方法 47
9.1 遗传算法 47
9.1.1 表示方案 47
9.1.2 交叉算子 48
9.1.3 变异 48
9.2 遗传编程 48
9.2.1 表示方案 48
9.2.2 适应度评估 49
9.2.3 交叉算子 49
9.2.4 变异算子 49
9.3 进化规划 49
9.3.1 表示方案 49
9.3.2 变异算子 50
9.4 进化策略 50
9.4.1 表示方案 50
9.4.2 交叉算子 50
9.4.3 变异算子 51
9.5 差分进化 51
9.6 文化算法 52
9.6.1 信念空间 52
9.6.2 群体空间 53
9.6.3 文化算法 53
9.7 小结 54
第10章 协同进化&. 55
10.1 竞争协同进化 55
10.1.1 计算适应度 56
10.1.2 相对适应度度量 56
10.1.3 适应度采样 56
10.1.4 名人堂 57
10.2 合作协同进化 57
10.2.1 适应度评估 57
10.2.2 合作协同进化遗传算法 57
10.3 小结 58
第三部分 粒子群优化第11章 引言 61
第12章 基本粒子群优化 65
12.1 完全PSO模型 66
12.1.1 全局最优PSO 66
12.1.2 局部最优PSO 67
12.1.3 基本粒子群优化的各个要素 68
12.2 社会网络结构 74
12.3 基本变体 76
12.3.1 速度钳制 76
12.3.2 惯性权重 78
12.3.3 收缩系数 80
12.3.4 同步更新与异步更新 80
12.3.5 速度模型 81
12.4 基本粒子群优化的参数 82
12.5 性能评价 84
12.5.1 准确性 84
12.5.2 可靠性 85
12.5.3 鲁棒性 85
12.5.4 效率 86
12.5.5 多样性 86
12.5.6 相干性 87
12.6 粒子群优化与进化计算 87
12.6.1 搜索过程 87
12.6.2 表示 88
12.6.3 适应度函数 88
12.6.4 重组 88
12.6.5 变异 89
12.6.6 选择 89
12.7 小结 89
第13章 粒子轨迹 91
13.1 收敛 91
13.2 冲浪 92
13.2.1 简化PSO的粒子轨迹 92
13.2.2 更一般化的PSO的粒子轨迹 95
13.3 种群平衡 97
13.3.1 平衡状态 98
13.3.2 粒子吸引子 98
13.4 收缩后的轨迹 100
13.4.1 简化PSO系统 100
13.4.2 一般PSO系统表示 101
13.4.3 收缩模型 101
13.4.4 一般PSO系统 103
13.4.5 收缩系统的空间范围 103
13.5 无约束的轨迹 104
13.6 启发式参数选择 108
13.7 小结 108
第14章 收敛性的证明 111
14.1 基本PSO的收敛性证明 112
14.2 保证局部收敛的PSO 113
14.2.1 保证收敛的PSO（GCPSO） 114
14.2.2 收敛的线性PSO 116
14.2.3 爬山法的全局最优 117
14.3 PSO的全局收敛性 117
14.3.1 基本PSO的全局收敛性 117
14.3.2 GCPSO的全局收敛性 118
14.3.3 满足全局收敛性的PSO 119
14.3.4 收敛速率 119
14.3.5 全局PSO优化方法的停止准则 119
14.4 小结 120
第15章 单解粒子群优化 121
15.1 基于社会结构的粒子群算法 122
15.1.1 社会网络结构 122
15.1.2 信息共享策略 125
15.2 混合方法 128
15.2.1 基于遗传算法的PSO 128
15.2.2 基于PSO的进化规划 132
15.2.3 基于进化策略的PSO 134
15.2.4 基于差分进化的PSO 135
15.2.5 文化群体 135
15.2.6 基于蚁群的PSO 136
15.3 基于子群的PSO 137
15.4 拟基因PSO算法 144
15.4.1 爬山PSO 144
15.4.2 随机局部搜索 145
15.4.3 基于梯度的PSO 145
15.5 多次启动的PSO算法 146
15.6 排斥方法 149
15.6.1 带电PSO 150
15.6.2 相干速度 150
15.6.3 具有空间扩展的粒子 151
15.7 小结 151
第16章 小生境粒子群优化 153
16.1 基本PSO的小生境能力 154
16.2 顺序PSO小生境 155
16.2.1 简单顺序小生境 156
16.2.2 目标函数拉伸方法 156
16.3 并行PSO小生境 160
16.3.1 nbest PSO 160
16.3.2 NichePSO 164
16.4 准顺序小生境 168
16.4.1 降级NiehePSO 169
16.4.2 基于向量的PSO 169
16.5 性能度量 170
16.6 小结 170
第17章 利用粒子群优化的约束优化 171
17.1 剔除不可行解 171
17.2 惩罚函数方法 172
17.3 转化为非约束问题 174
17.4 修复方法 175
17.5 保持可行性的方法 175
17.5.1 线性PSO 176
17.5.2 收敛的LPSO 180
17.5.3 LPSO/CLPSO用于不等式约束优化 181
17.6 帕累托排序方法 181
17.7 边界约束 183
17.8 应用 183
17.9 小结 184
第18章 粒子群多目标优化 185
18.1 MOO的目标 185
18.2 基本PSO与多目标优化 186
18.3 基于聚合的方法 186
18.4 基于准则的方法 188
18.5 基于支配的方法 189
18.5.1 档案 190
18.5.2 Moore和Chapman 192
18.5.3 Coello Coello和Lechuga——自适应档案网格 193
18.5.4 Mostaghim和Teich——Sigma方法和ε-支配 195
18.5.5 Hu、Eberhart和Shi——全局向导的选择 196
18.5.6 Zhang和Huang——基于距离的选择 196
18.5.7 Li——非支配排序 197
18.5.8 Yen和Lu 199
18.5.9 Fieldsend和Singh——支配树 199
18.5.10 支配树 199
18.5.11 向导选择 203
18.5.12 Ray和Liew——群隐喻 203
18.6 性能度量 205
18.6.1 经验性能度量 205
18.6.2 理论分析 215
18.7 小结 215
第19章 动态环境中的粒子群优化 217
19.1 PSO推论 217
19.2 动态环境的PSO方法 218
19.2.1 环境变化检测 219
19.2.2 对环境变化的响应 219
19.3 动态环境的性能度量 222
19.4 PSO在动态问题中的应用 222
19.5 小结 223
第20章 离散粒子群优化 225
20.1 二元PSO 225
20.2 一般的离散PSO 228
20.3 应用实例 228
20.4 组合电路设计 229
20.4.1 迭代囚徒两难问题 230
20.4.2 约束满足问题 230
20.4.3 旅行商问题 231
20.4.4 整数规划 234
20.4.5 实际应用 234
20.5 小结 234
第21章 粒子群优化的应用 235
21.1 神经网络 235
21.1.1 监督学习 235
21.1.2 非监督学习 236
21.1.3 结构选择 237
21.1.4 应用 237
21.2 博弈学习 237
21.2.1 协同进化的博弈学习 237
21.2.2 基于博弈的经典优化问题 239
21.3 聚类应用 239
21.4 设计应用 240
21.5 调度与规划应用 240
21.6 控制器应用 240
21.7 应用数学 241
21.8 电力系统的应用 242
21.9 混杂应用 242
21.9.1 生物与生物信息学应用 242
21.9.2 物理学中应用 243
21.9.3 模糊系统 243
21.9.4 数据挖掘 243
21.9.5 预测与优化应用 244
21.9.6 其他应用 244
21.10 小结 244
第四部分 蚂蚁算法 247
第22章 引言 247
第23章 蚁群优化的元启发算法 251
23.1 蚁群觅食行为 251
23.2 简单蚁群优化 253
23.3 早期蚂蚁算法 256
23.3.1 蚂蚁系统 256
23.3.2 蚁群系统 259
23.3.3 最大最小蚂蚁系统 262
23.3.4 蚂蚁-Q 265
23.3.5 快速蚂蚁系统 266
23.3.6 蚂蚁禁忌表 266
23.3.7 蚂蚁排名系统 267
23.3.8 近似不确定树搜索 267
23.4 参数设置 269
23.5 小结 271
第24章 蚁群优化算法的一般框架 273
24.1 蚁群优化算法的特点 273
24.2 一般框架 275
24.2.1 蚁群优化元启发 275
24.2.2 蚂蚁系统元启发 276
24.2.3 蚂蚁规划 277
24.2.4 超立方蚁群优化框架 278
24.3 小结 280
第25章 蚁群优化算法 281
25.1 单一种群的蚁群优化算法 281
25.1.1 带信息素排斥的蚁群优化算法 281
25.1.2 候选集 283
25.1.3 饲养蚁群 284
25.1.4 基于群体的蚁群优化算法 284
25.1.5 随机扰动蚁群优化算法 285
25.1.6 蚁群编程 286
25.2 连续蚁群优化算法 288
25.3 多种群算法 290
25.3.1 单目标算法 290
25.3.2 多目标算法 292
25.4 混合蚁群优化算法 293
25.4.1 蚁群优化的局部搜索 294
25.4.2 禁忌搜索蚁群优化算法 295
25.4.3 集束搜索蚁群优化算法 295
25.4.4 基于遗传算法的蚁群优化算法 297
25.4.5 基于模糊系统的蚁群优化算法 298
25.4.6 基于免疫系统的蚁群优化算法 298
25.5 多目标优化 299
25.5.1 多种群多目标优化算法 300
25.5.2 多信息素矩阵方法 300
25.5.3 多启发方法 301
25.6 动态优化问题 302
25.7 并行蚁群优化算法 303
25.7.1 种群层次的并行化 304
25.7.2 蚂蚁层次的并行化 305
25.7.3 数据层次的并行化 305
25.7.4 函数层次的并行化 305
25.7.5 结合并行策略 306
25.8 小结 306
第26章 蚁群算法的应用 307
26.1 一般要求 307
26.2 排序问题 308
26.2.1 旅行商问题 309
26.2.2 车辆路线问题 310
26.2.3 作业调度问题 313
26.2.4 单机作业调度问题 314
26.3 分配问题 316
26.3.1 二次分配问题 317
26.3.2 约束满足问题 319
26.4 子集问题 320
26.4.1 多背包问题 321
26.4.2 加权极小碰集问题 322
26.4.3 分类规则发现 323
26.5 分组问题 325
26.5.1 装箱问题 326
26.5.2 图着色问题 327
26.6 小结 328
第27章 集体决策 329
27.1 外激励 329
27.2 人工信息素 330
27.2.1 基本信息素更新规则 330
27.2.2 信息素挥发 331
27.2.3 局部与全局更新规则 331
27.2.4 其他信息素更新规则 332
27.3 变态分层结构（Heterarchy） 332
27.4 小结 333
第28章 蚁群优化的收敛性 335
28.1 收敛性证明及特点 335
28.2 收敛性度量 337
28.3 小结 338
第29章 墓地组织与育雏 339
29.1 基本蚁群聚类模型 339
29.2 广义蚁群聚类模型 340
29.2.1 Lumer-Faieta算法 340
29.2.2 对Lumer-Faieta算法的改进 342
29.3 蚁群聚类的最小模型 344
29.4 蚂蚁聚类集成 345
29.5 混合聚类方法 345
29.5.1 K-均值蚂蚁聚类 345
29.5.2 模糊C-均值蚂蚁聚类 346
29.6 蚂蚁聚类的应用 346
29.7 小结 346
第30章 分工 347
30.1 昆虫群落中的分工 347
30.2 基于响应阈值的任务分配 348
30.2.1 单任务分配 349
30.2.2 多任务分配 349
30.3 自适应任务分配和专业化 349
30.4 小结 350
第31章 后记 351
参考文献 353
高级阅读材料 395
附录A 缩略词 397
附录B 符号 401
索引 413