25个经典的元启发式算法——从设计到MATLAB实现

元启发式算法是一类获得广泛应用的通用优化算法，主要包括进化系列算法、邻域搜索系列算法、模拟退火算法、禁忌搜索算法、人工免疫算法、蚁群算法、蜂群算法、粒子群算法、鱼群算法、混合蛙跳算法、细菌觅食算法、神经网络算法及生物地理学算法等。本书系统性地对25个当今流行的元启发式算法从算法设计到实现机制进行了总结和描述。为了增加实用性，使用matlab编程语言实现了每一种算法的源代码，并且完整地附于每个实例之后，读者直接复制并做出适当调试修改，即可用于自己的实际问题。每章章末列出了参考文献，留给读者查阅引用，方便理解改进算法变化的细节。此外，针对这些元启发式算法，本书仅以少量的优化问题作为背景实例，旨在使读者把学习重点放在理解和掌握各种算法的核心思想和实现机制上，而不必花费过多的时间来理解不同的实例问题。本书是作者多年从事优化算法研究和教学实践的经验总结，既可以作为优化算法研究和应用领域本科生、研究生专业课程基础教材，亦可以用作对优化算法感兴趣的工程技术人员的专业参考资料。

第1章优化问题与优化方法
1.1优化问题概述
1.1.1问题的定制
1.1.2数学建模
1.1.3数学建模实例
1.2优化问题分类
1.3优化算法及其分类
1.3.1准确算法和近似算法
1.3.2传统优化算法和元启发式优化算法
1.4元启发式算法
1.4.1元启发式算法概述
1.4.2基于单解的元启发式算法
1.4.3基于群解的元启发式算法
1.5可计算性与计算复杂度理论
1.5.1可计算性理论
1.5.2算法的复杂度
1.5.3问题的复杂度
1.6优化算法的性能评价
1.7元启发式算法应用参考路线图
参考文献

第2章进化系列算法
2.1概述
2.1.1新一代种群的选择策略
2.1.2新一代种群的繁殖策略
2.2遗传算法
2.2.1生物遗传进化机制
2.2.2遗传算法实现步骤
2.2.3遗传算法求解Rosenbrock函数实例
2.3进化策略算法
2.3.1进化策略算法的问题表达
2.3.2进化策略算法实现步骤
2.3.3进化策略算法求解二元函数实例
2.4进化规划算法
2.4.1进化规划算法的基本概念
2.4.2进化规划算法的matlab实现
2.5遗传规划算法
2.5.1遗传规划算法中个体的表示
2.5.2遗传规划算法的实现
2.5.3遗传规划应用实例
2.6差分进化算法
2.6.1差分进化算法的实现步骤
2.6.2差分进化算法的matlab实现
2.7分布估计算法
2.7.1分布估计算法实现步骤
2.7.2分布估计算法的Matlab实现
参考文献

第3章邻域搜索系列算法
3.1邻域的定义
3.2基本邻域搜索算法
3.2.1邻域的选择
3.2.2跳出局部很优
3.3变邻域搜索算法
3.3.1确定性可变邻域下降算法
3.3.2通用变邻域搜索
3.4迭代局部搜索
3.5Matlab实现迭代局部搜索算法
3.6贪心随机自适应搜索算法
3.7Matlab实现GRASP
参考文献

第4章模拟退火算法
4.1概述
4.1.1金属冶炼退火过程描述
4.1.2Metropolis准则
4.1.3优化问题与模拟退火的比较
4.2模拟退火算法的步骤和流程
4.2.1算法的构成要素
4.2.2模拟退火算法步骤及流程
4.3模拟退火算法的matlab实现
参考文献

第5章禁忌搜索算法
5.1局部邻域搜索
5.2基本禁忌搜索算法
5.2.1算法的基本原理
5.2.2禁忌搜索算法的参数选择
5.2.3禁忌搜索算法的实现流程
5.2.4禁忌搜索算法的优缺点
5.3禁忌搜索算法的matlab实现
5.4禁忌搜索算法的改进
5.4.1连续禁忌搜索算法
5.4.2并行禁忌搜索算法
5.4.3禁忌搜索和遗传算法的混合策略
参考文献

第6章人工免疫系统算法
6.1生物免疫现象观察
6.2人工免疫算法仿真原理
6.3人工免疫算法步骤与流程
6.4人工免疫算法的类型
6.5基本人工免疫的matlab实现

第7章蚁群系列优化算法
7.1蚂蚁觅食行为的观察
7.2基本蚂蚁算法
7.2.1算法要素
7.2.2算法流程
7.2.3算法的特点
7.3改进的蚂蚁算法之一：蚁群系统算法
7.4改进蚂蚁算法之二：优选最小蚂蚁系统算法
7.5基于ACS求解旅行商问题
7.6基于优选最小蚁群算法求解旅行商问题

第8章人工蜂群算法
8.1蜂群生存行为的观察
8.2人工蜂群算法
8.2.1基本原理
8.2.2算法实现流程
8.2.3ABC算法的特点
8.3改进的人工蜂群算法
8.4基本人工蜂群的matlab实现
参考文献

第9章粒子群算法
9.1群鸟觅食行为的观察
9.2基本粒子群优化算法
9.3标准粒子群优化算法PSO
9.4PSO求解Goldstein-Price函数
9.5离散粒子群算法DPSO
9.6基于DPSO求解0-1背包问题
9.7粒子群算法的改进
参考文献

第10章人工鱼群算法
10.1鱼群生存行为观察
10.2人工鱼的视觉模型
10.3人工鱼的四种基本行为
10.4人工鱼群算法步骤与流程
10.4.1人工鱼群算法实现步骤
10.4.2人工鱼群算法流程
10.4.3人工鱼群算法参数的选择
10.5改进的人工与群算法
10.6人工鱼群算法的MATLAB实现
参考文献

第11章细菌觅食优化算法
11.1大肠杆菌觅食行为的生物学观察
11.1.1动物觅食理论
11.1.2大肠杆菌的觅食行为
11.2基本BFO算法
11.3基本BFO算法步骤与流程
11.4BFO算法的改进
11.4基本BFO算法的mtlab实现（图像识别）
11.5BFO算法的mtlab实现（图像匹配）
参考文献

第12章混合蛙跳优化算法
12.1算法研究现状
12.2混合蛙跳算法原理
12.3混合蛙跳算法步骤与流程
12.4基本混合蛙跳算法的matlab实现

第13章分散搜索算法
13.1基本分散搜索算法
13.2改进的分散搜索算法
13.3分散搜索算法的Matlab实现

第14章布谷鸟搜索算法
14.1生物学行为观察
14.1.1布谷鸟的巢寄生性
14.1.2莱维飞行（Lévyflight）轨迹
14.2基本布谷鸟搜索算法模型
14.2.1算法基本假设
14.2.2鸟巢位置和路径的更新公式
14.2.3布谷鸟搜索算法实现步骤
14.2.4布谷鸟搜索算法流程图
14.3改进布谷鸟搜索算法
14.3.1二进制布谷鸟算法
14.3.2多目标布谷鸟搜索算法
14.4布谷鸟搜索算法的matlab实现
参考文献

第15章人工神经网络算法
15.1神经网络发展历程
15.2BP神经网络算法
15.3HP神经网络算法
15.4HP网络算法求解TSP问题matlab实例
参考文献

第16章生物地理学算法
16.1生物学理论基础
16.2生物地理学算法基本思想
16.3生物地理学算法步骤与流程
16.4基本生物地理学算法的matlab实现

第17章多目标优化算法
17.1多目标优化问题
17.2基于进化策略的多目标优化算法
17.2.1算法流程
17.2.2非支配分层排序
17.2.3个体拥挤度的计算和比较算子
17.2.4种群的选择、交叉和变异
17.2.5Matlab代码分析
17.2.6实例分析
17.3基于粒子群算法的多目标优化算法
17.3.1算法流程
17.3.2个体和全局很优粒子的选择
17.3.3粒子的更新和变异操作
17.3.4动态更新栅格档案库和栅格矩阵
17.3.5matlab代码分析
17.3.6实例
参考文献

第18章超启发式算法
18.1超启发式方法概述
18.2一种超启发式算法的matlab实现
参考文献