第1章緒論

1.1最優化問題定義及分類

1.1.1最優化問題定義

1.1.2最優化問題分類

1.2最優化方法特點及分類

1.2.1最優化方法特點

1.2.2最優化方法分類

1.3啟發式算法定義及特點

1.3.1啟發式算法定義

1.3.2啟發式算法特點

1.4本章小結

1.5習題

第2章遺傳算法

2.1遺傳算法思想及特點

2.1.1算法思想

2.1.2算法特點

2.2遺傳算子

2.2.1選擇算子

2.2.2交叉算子

2.2.3變異算子

2.3遺傳算法設計原則

2.3.1適應度和初始群體選取原則

2.3.2參數設計原則

2.4遺傳算法的應用

2.4.1遺傳算法在01背包問題中的應用

2.4.2遺傳算法在函數極值問題中的應用

2.4.3遺傳算法在旅行商問題中的應用

2.4.4遺傳算法在機器學習中的應用

2.4.5遺傳算法在其他領域中的應用

2.5本章小結

2.6習題

第3章蟻群算法

3.1蟻群算法思想及特點

3.1.1算法思想

3.1.2算法特點

3.2蟻群算法的應用

3.2.1蟻群算法在旅行商問題中的應用

3.2.2蟻群算法在函數極值問題中的應用

3.3本章小結

3.4習題

第4章模擬退火算法

4.1模擬退火算法思想及特點

4.1.1算法思想

4.1.2算法特點

4.2模擬退火算法設計原則

4.3模擬退火算法的應用

4.3.1模擬退火算法在旅行商問題中的應用

4.3.2模擬退火算法在電商物流配送問題中的應用

4.3.3模擬退火算法在登機口分配問題中的應用

4.3.4模擬退火算法在多核多用戶任務卸載調度問題中的應用

4.3.5模擬退火算法在同時取送貨車輛路徑問題中的應用

4.5本章小結

4.6習題

第5章禁忌搜索算法

5.1禁忌搜索算法思想及特點

5.1.1算法思想

5.1.2算法特點

5.2禁忌搜索算法設計原則

5.3禁忌搜索算法的應用

5.3.1禁忌搜索算法在旅行商問題中的應用

5.3.2禁忌搜索算法在雙層級醫療設施選址問題中的應用

5.3.3禁忌搜索算法在機場外航服務人員班型生成問題中的應用

5.4本章小結

5.5習題

第6章大鄰域搜索算法

6.1鄰域搜索及超大規模鄰域搜索定義

6.1.1鄰域搜索定義

6.1.2超大規模鄰域搜索定義

6.2大鄰域搜索算法介紹

6.3自適應大鄰域搜索算法介紹

6.3.1算法思想

6.3.2算法設計原則

6.3.3算法特點

6.4大鄰域搜索算法的應用

6.4.1大鄰域搜索算法在路徑問題中的應用

6.4.2大鄰域搜索算法在調度問題中的應用

6.5本章小結

6.6習題

第7章變鄰域搜索算法

7.1變鄰域搜索算法原理

7.1.1變鄰域深度搜索算法原理

7.1.2簡化變鄰域搜索算法原理

7.1.3基本變鄰域搜索算法原理

7.1.4偏態變鄰域搜索算法原理

7.1.5變鄰域分解搜索算法原理

7.1.6並行變鄰域搜索算法原理 

7.2變鄰域搜索算法的改進策略 

7.3變鄰域搜索算法的應用

7.3.1變鄰域搜索算法在組合優化問題中的應用

7.3.2變鄰域搜索算法在連續優化問題中的應用

7.3.3變鄰域搜索算法在物流配送繫統集成優化問題中的應用

7.3.4變鄰域搜索算法在開放式帶時間窗車輛路徑問題中的應用

7.4本章小結

7.5習題

第8章迭代局部搜索算法

8.1迭代局部搜索算法原理

8.2迭代局部搜索算法設計原則

8.2.1初始解設計原則

8.2.2擾動機制設計原則

8.2.3解接受準則設計原則

8.2.4局部搜索設計原則

8.2.5全局優化設計原則

8.3迭代局部搜索算法的應用

8.3.1迭代局部搜索算法在旅行商問題中的應用

8.3.2迭代局部搜索算法在其他問題中的應用

8.4本章小結

8.5習題

第9章粒子群算法

9.1粒子群算法起源

9.2粒子群算法原理

9.2.1原始粒子群算法原理

9.2.2標準粒子群算法原理

9.3粒子群算法參數分析

9.3.1慣性權重分析

9.3.2學習因子分析

9.3.3其他參數分析

9.4粒子群算法的應用

9.4.1粒子群算法在模糊繫統設計問題中的應用

9.4.2粒子群算法在滿載需求可拆分車輛路徑問題中的應用

9.5本章小結

9.6習題

第10章人工免疫算法

10.1人工免疫算法介紹

10.1.1生物免疫繫統

10.1.2生物免疫基本原理

10.1.3人工免疫繫統及免疫算法

10.1.4人工免疫算法與遺傳算法的比較

10.2免疫遺傳算法介紹

10.3免疫規劃算法介紹

10.4免疫策略算法介紹

10.5免疫優化算法在物流中心選址問題中的應用

10.6本章小結

10.7習題

第11章人工神經網絡

11.1人工神經網絡起源

11.2人工神經網絡概念

11.2.1人

11.2.2傳遞函數

11.3神經網絡模型

11.3.1單層感知機

11.3.2多層感知機

11.3.3徑向基函數神經網絡

11.3.4自組織競爭人工神經網絡

11.3.5對向傳播神經網絡

11.3.6反饋型神經網絡

11.4神經網絡權值的混合優化學習策略

11.4.1BPSA混合學習策略

11.4.2BPGA混合學習策略

11.4.3GASA混合學習策略

11.5人工神經網絡在組合優化問題中的應用

11.6本章小結

11.7習題

參考文獻

啟發式優化算法是相對於精確算法而言的。一個問題的精確算法，是指求得該問題的精確解，而啟發式算法則是基於直觀或經驗所構造的算法，在可接受的成本(計算時間、占用內存等)下尋找最優解，但不一定能保證所得解的可行性和精確性。啟發式算法一般具有嚴密的理論依據，而不是僅憑專家經驗，理論上可在一定時間內找到精確解或近似精確解。

啟發式算法的興起源於實際問題的需要。隨著20世紀70年代算法復雜性理論的完善，人們不再強調花費大量的時間求得精確解，隻要能在較短的時間內求得相對較好的結果，也可以接受。因此，20世紀80年代初興起的啟發式優化算法在當今得到了巨大的發展。

本書第1章對最優化方法的求解對像即最優化問題的定義及分類進行了介紹，並分析了最優化方法的特點及其分類，再重點介紹最優化方法之一的啟發式算法的定義及特點。第2章介紹了遺傳算法的思想及特點、設計原則，並重點分析了遺傳算法在01背包問題、函數極值問題、旅行商問題、帶時間窗的車輛路徑問題及機器學習領域中的應用。第3章介紹了蟻群算法的思想及特點，並重點分析了蟻群算法在旅行商問題及函數極值問題中的應用。第4章首先介紹了模擬退火算法的
思想及特點、設計原則，然後介紹了該算法在經典優化問題如旅行商問題、圖像處理等問題中的應用，並針對該算法在實際問題如電商物流配送問題、登機口分配問題中的具體應用進行了分析。第5章首先介紹了禁忌搜索算法的基本思想，然後介紹了該算法各個組成模塊如初始解、鄰域、禁忌表等的設計思路，最後重點分析了禁忌搜索算法在旅行商問題、雙層級醫療設施選址問題及機場外航服務人員班型生成問題中的應用。第6章首先介紹了大鄰域搜索算法的基本思想，然後重點分析了該算法在路徑問題和調度問題中的應用。第7章介紹了變鄰域搜索算法的原理及改進策略，然後介紹了該算法在某類優化問題如組合優化問題中的應用，並針對該算法在實際問題如物流配送繫統集成優化問題、開放式帶時間窗車輛路徑問題中的具體應用進行了分析。第8章介紹了迭代局部搜索算法的基本原理及優化策略，並著重分析了該算法在旅行商問題中的應用。第9章介紹了粒子群算法的起源及原理，分析了算法的關鍵參數，並闡述了該算法在模糊繫統設計問題和滿載需求可拆分車輛路徑問題中的應用。第10章首先介紹了人工免疫算法的基本原理，然後分別介紹了免疫遺傳算法、免疫規劃算法和免疫策略算法，最後分析了免疫優化算法在物流中心選址問題中的應用。第11章首先介紹了人工神經網絡的起源及相關概念，如人、傳遞函數； 其次介紹了7種神經網絡模型，分別為單層感知機、多層感知機、徑向基函數神經網絡、自組織競爭人工神經網絡、對向傳播神經網絡、前向神經網絡及反饋型神經網絡； 然後介紹了神經網絡權值的3種混合優化學習策略，分別為BPSA、BPGA、GASA； 最後分析了人工神經網絡在組合優化問題中的應用。

本書為湖南工商大學2021年教材建設基金資助項目成果。在本書的編寫過程中，受到了與智能優化算法相關的精品課程教材的啟發。同時，清華大學出版社的編輯為本書的出版付出了艱辛的努力，在此表示由衷的感謝。

一本好的教材不僅需要不斷地修訂打磨，也需要編寫團隊反復地協同溝通，本書編者們將一直致力於提高本書質量。鋻於編者能力水平有限，書中難免有疏漏或不足之處，懇請廣大讀者批評指正。

鄒曄2023年9月

習題答案

程序代碼