智能优化正在成为智能科学、信息科学、人工智能中最为活跃的研究方向，它在科研、工程、经济、管理、国防乃至民生诸多领域发挥着越来越大的作用，已经成为多种学科交叉融合研究的前沿课题。有关智能优化算法方面的书籍国内外已出版了多种，但其内容的广度还远落后于该领域的快速发展。为弥补这方面的不足，本书全面收集了国内外已提出的原创的智能优化算法和涌现计算150种。每种算法从算法提出、优化原理、数学描述、实现步骤及算法流程等方面加以介绍。全书视野开阔，取材全面而新颖，逻辑严谨，系统性强，撰写上由浅入深，深入浅出，启迪思维。本书可供人工智能、智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域教师和研究生教学用书或参考书，亦可作为相关专业科研人员、工程技术人员学习参考。

第2版 

 作为国内外最大篇幅的系统介绍原创性智能优化算法的专著，《智能优化算法与涌现计算》自2019年8月问世至2020年11月已经印刷3次，可见广大读者对该书内容的渴求。尽管有关智能优化算法方面的图书在国内外已经出版了百余种，但是单本书所涵盖的智能优化算法的种类数量还相当有限。为了更全面、迅速地反映这一领域的原创性成果，作者决定大幅度增加新内容，以满足广大科技人员和读者多角度、多维度、多方面的迫切需求。

人工智能时代呼唤智能优化

21世纪，人类社会已经全面迅速迈入以人工智能为引擎的智能时代。在科学研究、工程设计、经济管理、国防建设、社会生活等领域都面临着大量需要优化求解的复杂问题。对于这些日益复杂化的优化问题建立精确的数学模型往往比较困难，因而使得基于精确模型的传统优化算法陷入了极大的困境。然而，人们从自然界的多种生物、昆虫、动物、植物等的生存、繁衍过程，以及自然现象、水循环、生态平衡等过程中，发现了其中蕴含着大量的信息处理的优化机制和机理。于是人们从模拟这些优化机制、优化机理出发，提出了数以百计的不依赖被优化问题数学模型的优化算法，它们被称为元启发式算法、仿生计算、自然计算、智能计算等。这些优化算法中有些算法在一定程度上模拟了人的智能，有些算法模拟自然界中某些动物、植物生存行为的适应性、灵性、“智慧性”，因此本书将它们统称为智能优化算法。

以遗传算法为开端的智能优化算法为解决缺乏精确数学模型的复杂优化问题开辟了新途径，尤其是以模拟蚁群觅食行为的蚁群优化算法和模拟鸟类飞行觅食行为的粒子群优化算法为代表的群智能优化算法的提出，极大地推动了智能优化算法开发的速度、深度和广度。随着人工智能技术的快速进步，必将催生智能优化技术和智能优化算法的进一步发展，为解决复杂系统的优化问题提供更广阔的途径及强有力的工具。

再版增加算法的数量及取材原则

 这次再版对第1版进行了大幅度补充和完善，既保持了原书的基本结构和特色，又保留了原有章节的所有内容。但由于增加优化算法的种类较多，为便于读者查阅，对全部算法进行了重新归类，章节重新编号。下面就每篇增加的算法数目说明如下。

 第一篇仿人智能优化算法，包括模拟人脑思维、神经系统、免疫系统、内分泌系统、代谢系统、组织、器官乃至细胞的结构与功能，以及模拟人类社会、团体、国家等通过相互之间协作、竞争实现优化的智能优化算法21种，较第1版增加了1种新算法。

第二篇进化算法，包括模拟自然界的生物在不断地生殖繁衍过程中，通过遗传和变异，使优良品种得以保存的生物层次的进化，也包括社会层次的进化，以及在社会环境下生物群体合作、竞争的自组织行为的进化算法共12种，较第1版增加了2种新算法。

第三篇群智能优化算法，包括模拟自然界微生物、群居昆虫、动物群体觅食、繁殖行为，以及动物群体的捕猎策略等对问题求解的优化算法70种，较第1版增加了33种新算法，同时将第1版有关蚁群、蜜蜂及萤火虫算法中各包括的2种算法进行单独介绍。

第四篇仿植物生长算法，包括从不同角度或某些方面来模拟种子、花、草、树木、森林等植物在生长过程中的向光性、光合作用、根吸水性、种子繁殖、花朵授粉及杂交育种等表现出的自适应、竞争、进而实现优化的算法11种，较第1版增加了1种新算法。

第五篇仿自然优化算法，包括模拟风、雨、云、水循环系统、生态系统等，模拟宇宙大爆炸、万有引力、热力学、电磁力、光的折射、电子、量子等物理学、化学、数学、非线性科学，乃至哲学思想的仿自然优化算法40种，较第1版增加了13种新算法。

第六篇涌现计算，指利用元胞自动机、蚂蚁群体等人工生命系统或实际的微生物群体，在一定的环境、初始条件和规则下，通过个体、群体、环境之间的相互作用，使得人工生命系统或实际的微生物系统不断地演化，向着自适应、自组织方向进化，直至获得优化问题模拟形式的最优解或准最优解，本篇包括第1版中5种涌现计算的例子，没有新增。

总之，第2版共包括智能优化算法与涌现计算159种，较第1版106种有大幅度的提升，包括大量的新算法，其中不乏近年内的新算法。收入本书的智能优化算法依据三个基本原则： 一是具有原创性； 二是具有较普遍的应用价值； 三是原创算法的撰写规范、完整。

学习建议

本书对智能优化算法的分类原则

对于不依赖于优化问题精确数学模型的元启发式算法在国内外尚没有统一的分类标准。本书的分类是基于以下的基本原则： 按照优化算法所模拟的主体的智能性、生物属性、自然属性来归类。本书中的算法依次模拟人、动物、植物、自然现象、自然系统、自然规律等。

从生物层面划分，包括人类、动物、植物、微生物等。人类区别于其他动物的本质特征在于人有高度发达的大脑，是自然界智能水平最高的生命体。因此，把模拟人、人体系统和组织、人类社会、组织、团体，乃至国家等智能行为的相关优化算法归为仿人智能优化算法，作为第一篇首先介绍。

第二篇进化算法是以遗传算法展开的，这不仅是因为遗传算法是最早提出的，而且还因为它是其他智能优化算法的重要基础。遗传进化包括生物层面的进化、社会层面的进化，或双层次的遗传进化。此外，遗传算法中的交叉和变异操作常被其他优化算法用来改进其性能。所以，它在智能优化算法中占有极其重要的地位。

模拟动物群体（或个体）的觅食、繁殖、狩猎等行为的群智能优化算法在智能优化算法中占有半壁江山，这不仅因为自然界的动物种类繁多，而且还因为各类动物的习性、生存行为各异，有的生存在地下巢穴中，有的在地上爬，有的在空中飞，有的在水中游； 有小到人眼无法看见的病毒，也有重达几吨的庞然大物等。将群智能优化算法作为第三篇介绍。

介绍模拟动物行为的优化算法之后，就轮到模拟植物生长的优化算法。由于植物生长周期相对较长，因此这类算法的种类较少，安排在第四篇介绍。

前四篇的优化算法模拟的均为有生命的对象，而第五篇介绍模拟无生命的自然现象、自然系统、自然规律等的仿自然智能优化算法。

涌现计算作为求解复杂优化问题的另外一种方法，单独作为一篇在第六篇介绍。

涌现计算与智能优化算法之间的关系

涌现（Emergence）的概念是“遗传算法之父”、复杂适应系统理论的创始人霍兰在其专著《涌现——从混沌到有序》中提出的。涌现是复杂系统中最显著也是最重要的一种特征。霍兰指出，一些小而结实的种子竟能够长成极大的红衫、日常的雏菊和豆苗这样复杂而独具特色的结构！这些正是涌现现象的体现： 复杂的事物是从小而简单的事物中发展而来的。涌现的本质就是由小生大、由简入繁。然而，涌现确实是我们周围世界普遍存在的一种现象。

在生活中的每一个地方，我们都面临着复杂适应系统中的涌现现象——蚁群、神经网络系统、人体免疫系统、因特网和全球经济系统等。在这些复杂系统中，整体的行为要比其各部分行为复杂得多。当各部分以比较复杂的形式相互作用时（就像蚁群中的蚂蚁彼此相遇一样），知道孤立的个体行为并不能了解整个系统（蚁群）的情况。涌现，就这种意义来说，仅仅发生在整体行为不等于部分行为简单相加的情况下。就涌现而论，整体行为确实远比各部分行为的总和更复杂。

在系统科学中，涌现意味着“整体大于部分之和”。任何系统都是由大量微观元素构成的整体，这些微观个体之间会发生局部的相互作用，然而，当我们把这些个体看作一个整体时，就会有一些全新的属性、规律或模式自发地冒出来，这种现象就称为涌现。

本书的“涌现计算”是指利用元胞自动机、蚂蚁群体等人工生命系统或实际的黏菌生物群，在对优化问题所设计特定的环境中，使其人工生命群体按照给定的规则，在初始条件下进行移动，通过个体之间、个体与群体之间以及它们与环境之间的相互作用，使得这样的系统不断地演化，向着自适应、自组织方向进化，最终涌现出优化问题的最优解或接近最优解。通过上述涌现计算方法获得的最优解往往不是数字解，而是反映优化问题所需要的最优路径曲线或离散点的集合等。

智能优化算法是通过对模拟主体的局部或整体动态行为的数学描述，进而构建出描述这些行为的数学公式，在对优化问题给出目标函数和对群体初始化及算法参数初始化后，通过计算机对描述优化算法的公式进行反复迭代，直至获得优化问题最优解的数值解。

不难看出，智能优化算法和涌现计算之间既有相同之处，又有区别。相同点在于它们都可以用人工生命系统来模拟自然界中的真实生命系统或自然系统的动态行为过程，从而实现对复杂优化问题的求解。关于二者的不同点，简单地说，前者是基于公式迭代的过程获得的问题最优解的数值解，后者是基于规则不断演化过程获得问题的最优解或准最优解的模拟解。此外，涌现计算能够通过简单规则的不断演化来研究复杂系统的自适应、自组织行为等，这是它区别于智能优化算法的一个重要应用方面。

为什么不把涌现计算称为涌现算法呢？“计算”，简而言之，就是符号串的变换。从一个已知的符号串开始，按照一定的规则，一步一步地改变符号串，经过有限的步骤，最后得到一个满足预先规定的符号串，这种变化过程就是计算。算法是求解某类问题的通用法则或方法，即符号串变换规则。算法使用某种精确的语言写成的程序，算法或程序的执行和操作就是计算。自然界的事件都是在自然规律作用下的过程，特定的自然规律实际上就是特定的“算法”。

致谢

作者在编写本书时，引用了原创算法作者发表的论文，还参考了国内外相关算法研究的重要文献及有价值的学位论文。为便于读者查阅，将这些主要论文一并列入本书的参考文献。在此，对被引用论文的作者表示衷心感谢！ 

参加本书编写、提供素材，或提供多种帮助的还有宋申民、张秀杰、宁永臣、班晓军、李盼池、左兴权、黄金杰、袁丽英、赵宝江、柏继云、李浩、张逸达、王振杨、黄忠报、李世宏、栾秀春、章钱、郭成、郭玉、杨丹、张恒、徐保华等。

作者对推荐本书的香港中文大学（深圳）张大鹏校长讲座教授、清华大学邓志东教授、哈尔滨工业大学刘劼教授、英国西英格兰大学朱全民教授、北京邮电大学左兴权教授深表谢意！

本书的出版始终得到清华大学出版社的大力支持，在此表示由衷的谢意！

编写这样一部全面反映智能优化算法和涌现计算的原创性成果的专著，不仅篇幅大，而且涉及自然科学的所有学科门类，受作者知识面所限，书中内容难免存在不足之处，恳请广大读者给予指正!

李士勇

2022年6月

于哈尔滨工业大学

 第1版 

“智能”已经成为当代出现频次越来越高的词汇，这正是人类社会迈入智能时代的一个重要标志。智能正飞速地融入科学、工程、经济、国防及人类社会生活的方方面面： 智能科学、智能材料、智能机器人、智能生产线、智能控制、智能预测、智能决策、智能制导、智能炸弹、智能手机、智能家电、智能家居、智能楼宇……智能水平的高低，在很大程度上已经成为衡量一个国家综合国力、科技水平高低的重要标志。

在科学研究、工程设计、经济管理、国防建设等领域存在着大量需要优化求解的复杂问题。采用传统的优化方法通常需要给出待优化问题的精确数学模型，包括决策变量、约束条件和目标函数。传统优化方法包括线性规划、动态规划、整数规划和分支定界等运筹学中的经典算法，这些算法计算复杂，只适用于小规模问题； 用构造型优化算法快速建立问题的解，一般优化效果差，难以满足工程需要。总之，传统的优化算法是以给出优化问题的精确数学模型为基础的。然而，科学、工程、经济等领域提出的优化问题越来越复杂，难以建立精确的数学模型； 有的问题变量维数大，阶次高，目标函数多，约束条件复杂，即使建立复杂的数学模型也难以求解。因此，面临日益复杂的优化问题，基于精确模型的传统优化算法面临着极大的挑战。

大自然中的各种生物、植物、动物及各种自然现象呈现出生生不息的景象，总是给人以深刻的启迪。人们从中发现了许多隐含其中的信息存储、处理、交换、适应、更新、进化的机制，蕴含着优化的机理。于是，人们从中获得了设计灵感。例如，模拟蚁群从蚁穴到食物源避过障碍选择一条最短路径，Dorigo博士于1991年设计了蚁群优化算法，开辟了模拟群居昆虫觅食行为或动物捕猎行为的群智能优化算法的先河。除早期模拟大脑功能的模糊逻辑算法、神经网络算法及遗传算法外，近30年来，大量的智能优化算法在国内外犹如雨后春笋般地涌现出来。为了向广大读者全面而系统地介绍原创的智能优化算法，弥补国内外同类书籍的不足，本书精选了106种原创的智能优化算法，一般称它们为基本算法。本书把这些算法概括分为六大类，并分别编入六篇共106章加以介绍。各篇的内容概括如下。

第一篇： 仿人智能优化算法，包括模拟人脑思维、人体系统、组织、器官乃至细胞及人类社会竞争进化等相关的20种智能优化算法。

第二篇： 进化算法，包括模拟自然界的生物在生殖繁衍过程中，通过遗传和变异及“优胜劣汰”的自然选择法则，不断地进化的优化算法10种。

第三篇： 群智能优化算法，包括模拟自然界群居昆虫的觅食、繁殖等行为或动物群体的捕猎策略等对问题求解的优化算法34种。

第四篇： 仿植物生长算法，包括模拟花、草、树木等植物生长过程中的向光性、光合作用、根吸水性、种子繁殖、花朵授粉等表现出的自适应、竞争、进化、优化行为的算法10种。

第五篇： 仿自然优化算法，包括模拟风、雨、云等自然现象，模拟物理、化学、数学定律，模拟生态系统的自组织临界性、混沌现象、随机分形等非线性科学的优化算法27种。

第六篇： 涌现计算，指模拟自然界中复杂适应系统的涌现现象、涌现行为，通过人工生命的主体按简单规则在一定的环境下不断地演化来获得优化问题最优或准最优的模拟解。本篇介绍涌现计算的5种例子，包括一维元胞自动机的涌现计算、Conway生命游戏的涌现计算、蚂蚁系统觅食路径的涌现计算、数字人工生命Autolife的涌现行为和黏菌的铁路网络涌现计算。

本书介绍的106种智能优化算法，涉及从地球上的万物之灵——智能水平最高的人，到介于动物和真菌之间的低级黏菌生物； 从海洋中世界上最大的哺乳动物鲸鱼到海洋微小无脊椎动物磷虾； 从凶猛的野生群居动物老虎、狮子到幼小的蚂蚁、蜜蜂； 从自然界的风、雨、云、雷电现象到地球上的水循环、食物链……内容涵盖面之广，可以说陆海空无所不及： 从陆地到海洋，从水中到空中，从有生命的动植物、微生物到无生命的自然现象，从物理化学数学、非线性科学到复杂适应系统等。

应该指出的是，有关智能优化算法的分类还没有统一的标准，因此从不同的角度会有不同的分类方法，如自然计算、仿生计算、进化计算、智能优化算法及计算智能等。本书之所以把上述前五大类优化算法统称为智能优化算法，是因为这些算法都凸显出智能性或灵性的特点。它们通过确定性算法加启发式随机搜索的反复迭代获取优化问题的最优数值解。而涌现计算是指模拟自然界中复杂适应系统的涌现现象、行为，通过人工生命的主体按简单规则在一定的环境下不断地演化来获得优化问题最优或准最优的模拟解。

本书介绍了百余种智能优化算法和涌现计算的原创算法，目的在于使广大读者开阔视野，从复杂适应系统理论的高度上认识、理解各种智能优化算法和涌现计算的原理及其本质特征，从中受到启迪； 并进一步激励人们从千变万化、五彩斑斓的大千世界中生生不息的各种生物、各种周而复始的自然现象中发现、捕捉灵感，提出、设计、创造出更多更好的智能优化算法，以满足科学、工程、经济、管理、国防等领域中各种复杂优化问题的需要。

基于上述宗旨，加之受篇幅所限，每种算法只从原创算法的提出、个体行为或习性、算法原理、算法的数学描述、算法实现等方面简要介绍，每种算法的篇幅平均控制在5页左右。在编写中，尽可能保持原创算法的主要内容及所用符号。为方便起见，对少数算法的符号做了适当的改动，并适当补充一些从网上收集的相关插图和对算法原理说明的辅助材料。由于本书章节多，因此将作为智能优化算法的理论基础部分的内容以附录的形式给出，便于读者单独阅读。

参加编写或提供素材的还有宁永臣、李盼池、李浩、左兴权、柏继云、张秀杰、宋申民、李巍、班晓军、赵宝江、黄金杰、袁丽英、栾秀春、黄忠报、章钱、郭成、杨丹、郭玉、张恒、张逸达、王振杨、徐宝华等。 

在编写过程中除引用了原创算法的文献外，还参考了国内外相关研究的主要文献及有价值的博士、硕士学位论文等，为便于读者进一步研究查阅，将这些文献一并列入本书的参考文献。在此，对被引用文献的作者表示衷心感谢！除参考文献前面的部分书籍外，文献的编号原则上是按照各章内容出现的顺序编排的。

本书的出版始终得到清华大学出版社的大力支持，在此表示由衷的谢意！

本书内容涉及专业知识面甚广，受作者知识面所限，书中内容难免存在不足，恳请广大读者给予指正！

李士勇2018年5月

  

第一篇仿人智能优化算法

第1章模糊逻辑算法

1.1模糊集合及其表示

1.2模糊集合的运算及其性质

1.3模糊关系与模糊矩阵

1.4模糊推理规则

1.5模糊系统的万能逼近特性

第2章神经网络算法

2.1神经细胞结构与功能

2.2人工神经元的基本特性

2.3人工神经网络及其特点

2.4前向神经网络的结构、训练及学习

2.5神经网络的学习规则

2.6前向网络误差反向传播学习算法及

其逼近特性

第3章免疫算法

3.1免疫系统的基本概念

3.2免疫系统的组织结构

3.3免疫系统的免疫机制

3.4免疫系统的学习及优化机理

3.5免疫算法及克隆选择算法的

实现步骤

第4章内分泌算法

4.1内分泌算法的提出

4.2内分泌与神经、免疫系统之间的

关系

4.3生物内分泌系统

4.4内分泌激素调节规律的描述

4.5人工内分泌系统内分泌激素的

调节机制

4.6基于内分泌调节机制的行为自组织

算法的实现

第5章人工代谢算法

5.1人工代谢算法的提出

5.2人工代谢算法的原理

5.3人工代谢算法的描述

5.4人工代谢算法的实现流程

第6章膜计算

6.1膜计算的提出

6.2细胞膜的结构、模型及功能

6.3标准膜计算的原理

6.4标准膜计算的描述

6.5膜计算的过程及实现步骤

第7章禁忌搜索算法

7.1禁忌搜索算法的提出

7.2组合优化中的邻域概念

7.3局部搜索算法

7.4禁忌搜索算法

7.5禁忌搜索算法的主要操作及参数

第8章和声搜索算法

8.1和声搜索算法的提出

8.2和声搜索算法的原理及结构

8.3和声搜索算法的主要步骤及流程

第9章思维进化算法

9.1思维进化算法的提出

9.2思维进化算法的基本思想

9.3思维进化算法的描述

9.4思维进化算法的实现步骤及流程

第10章社会进化算法

10.1社会进化算法的提出

10.2社会进化算法的基本思想

10.3多智能体社会进化系统

10.4社会进化算法的描述

10.5社会进化算法的实现步骤

第11章人口迁移算法

11.1人口迁移算法的提出

11.2人口迁移算法的原理

11.3人口迁移算法的描述

11.4人口迁移算法的实现步骤

第12章标杆学习算法

12.1标杆学习算法的提出

12.2标杆管理的基本思想

12.3标杆学习算法的基本原理

12.4标杆学习算法的数学描述

12.5标杆学习算法的实现流程

第13章瞭望算法

13.1瞭望算法的提出

13.2瞭望算法的基本原理

13.3瞭望算法的数学描述

13.4求解全局优化问题的瞭望算法的

实现

第14章视觉认知优化算法

14.1视觉认知优化算法的提出

14.2视觉认知优化算法的原理

14.3视觉认知优化算法的描述与步骤

14.4算法的收敛性证明

14.5视觉认知优化算法的实现举例

14.6基于视觉认知的可视化算法

第15章头脑风暴优化算法

15.1头脑风暴优化算法的提出

15.2头脑风暴优化算法的基本思想

15.3头脑风暴过程的描述

15.4头脑风暴优化算法的描述及实现

步骤

15.5基于讨论机制的头脑风暴优化

算法

第16章随机聚焦搜索优化算法

16.1随机聚焦搜索优化算法的提出

16.2随机聚焦搜索优化算法的原理

16.3随机聚焦搜索优化算法的描述

16.4随机聚焦搜索算法的基本步骤

16.5基于随机聚焦搜索算法的冲压

成形工艺优化

第17章教学优化算法

17.1教学优化算法的提出

17.2教学优化算法的原理

17.3教学优化算法的数学描述

17.4教学优化算法的实现步骤

第18章帝国竞争算法

18.1帝国竞争算法的提出

18.2帝国竞争算法的原理

18.3帝国竞争算法的数学描述

18.4帝国竞争算法的实现步骤及流程

第19章世界杯竞赛算法

19.1世界杯竞赛算法的提出

19.2世界杯竞赛算法的描述

19.3世界杯竞赛算法的实现流程

第20章排球超级联赛算法

20.1排球超级联赛算法的提出

20.2排球超级联赛算法的优化原理

20.3排球超级联赛算法的数学描述

20.4排球超级联赛算法的实现步骤

第21章集体决策优化算法

21.1集体决策优化算法的提出

21.2集体决策优化的基本思想

21.3集体决策优化算法的数学描述

21.4集体决策优化算法的实现

第二篇进 化 算 法

第22章遗传算法

22.1遗传算法的提出

22.2遗传算法的优化原理

22.3生物的遗传及遗传算法的基本

概念

22.4遗传算法的基本操作

22.5遗传算法的求解步骤

22.6原对偶遗传算法

第23章遗传编程

23.1遗传编程的提出

23.2遗传编程的原理及基本操作

23.3遗传编程算法的设计步骤及流程

23.4遗传编程算法的本质属性

第24章进化规划

24.1进化规划的提出

24.2进化规划的原理及基本操作

24.3进化规划的实现步骤及流程

第25章进化策略

25.1进化策略的提出

25.2进化策略的基本原理

25.3进化策略的基本操作

25.4进化策略的实现步骤及流程

第26章分布估计算法

26.1分布估计算法的提出

26.2分布估计算法的基本原理

26.3分布估计算法的描述

26.4分布估计算法的基本步骤及流程

第27章差分进化算法

27.1差分进化算法的提出

27.2差分进化算法的原理

27.3差分进化算法的基本操作

27.4差分进化算法的实现步骤及流程

27.5差分进化算法的扩展形式

第28章自组织迁徙算法

28.1自组织迁徙算法的提出

28.2自组织迁徙算法的基本思想

28.3自组织迁徙算法的数学描述

28.4自组织迁徙算法的实现

第29章回溯搜索优化算法

29.1回溯搜索优化算法的提出

29.2回溯搜索优化算法的优化原理

29.3回溯搜索优化算法的数学描述

29.4回溯搜索优化算法的实现

第30章DNA计算

30.1DNA计算的提出

30.2DNA计算的生物学基础

30.3DNA计算的基本原理及主要步骤

30.4DNA计算的基本操作

30.5DNA计算的编码问题

30.6DNA计算系统的原型

第31章基因表达式编程算法

31.1基因表达式编程算法的提出

31.2基因表达式编程算法的原理

31.3基因表达式编程的基本概念

31.4GEP算法的遗传操作

31.5基本的GEP算法流程

第32章Memetic算法

32.1Memetic算法的提出

32.2Memetic算法的原理

32.3Memetic算法的描述

32.4Memetic算法的流程

32.5Memetic算法的特点及其意义

第33章文化算法

33.1文化算法的提出

33.2文化算法的基本结构与原理

33.3文化算法求解约束优化问题的描述

与设计

33.4基本文化算法的实现步骤及流程

第三篇群智能优化算法

第34章蚁群优化算法

34.1蚁群优化算法的提出

34.2蚂蚁的习性及觅食行为

34.3蚁群觅食策略的优化原理

34.4蚁群优化算法的原型——蚂蚁系统

模型的描述

34.5基本蚁群优化算法的流程

第35章蚁狮优化算法

35.1蚁狮优化算法的提出

35.2蚁狮的狩猎行为

35.3蚁狮优化算法的原理

35.4蚁狮优化算法的数学描述

35.5蚁狮优化算法的实现

第36章粒子群优化算法

36.1粒子群优化算法的提出

36.2粒子群优化算法的基本原理

36.3粒子群优化算法的描述

36.4粒子群优化算法的实现步骤

及流程

36.5粒子群优化算法的特点及其改进

第37章人工蜂群算法

37.1人工蜂群算法的提出

37.2人工蜂群算法的基本原理

37.3人工蜂群算法的数学描述

37.4人工蜂群算法的实现步骤与流程

第38章蜜蜂交配优化算法

38.1蜜蜂交配优化算法的提出

38.2蜂群竞争繁殖过程的优化机理

38.3蜜蜂交配优化算法的数学描述

38.4蜜蜂交配优化算法的实现步骤

及流程

第39章萤火虫群优化算法

39.1萤火虫群优化算法的提出

39.2萤火虫闪光的特点及功能

39.3萤火虫群优化算法的数学描述

39.4萤火虫群优化算法的实现步骤

及流程

第40章萤火虫算法

40.1萤火虫算法的提出

40.2萤火虫算法的基本思想

40.3萤火虫算法的数学描述

40.4萤火虫算法的实现步骤及流程

第41章果蝇优化算法

41.1果蝇优化算法的提出

41.2果蝇的生物价值及觅食行为

41.3果蝇优化算法的基本原理

41.4果蝇优化算法的数学描述

41.5果蝇优化算法的实现步骤及流程

第42章蝴蝶算法 

42.1蝴蝶算法的提出

42.2蝴蝶的生活习性

42.3蝴蝶算法的优化原理

42.4蝴蝶算法的数学描述

42.5蝴蝶算法的实现步骤

第43章蝴蝶交配优化算法

43.1蝴蝶交配优化算法的提出

43.2蝴蝶的生活习性

43.3BMO算法的机理

43.4BMO算法的数学描述

43.5BMO算法的伪代码实现

第44章蝴蝶优化算法

44.1蝴蝶优化算法的提出

44.2蝴蝶的生活习性

44.3蝴蝶算法的优化原理

44.4BOA的数学描述

44.5BOA的实现步骤及伪代码

第45章蜻蜓算法

45.1蜻蜓算法的提出

45.2蜻蜓的生活习性

45.3DA的优化原理

45.4DA的数学描述

45.5单目标及多目标DA的实现步骤

及伪代码

第46章蜉蝣优化算法

46.1蜉蝣优化算法的提出

46.2蜉蝣的习性及其交配行为

46.3蜉蝣优化算法的优化原理

46.4单目标蜉蝣优化算法的数学描述

46.5单目标蜉蝣优化算法的伪代码

实现

46.6多目标蜉蝣优化算法的伪代码

实现

第47章蚱蜢优化算法

47.1蚱蜢优化算法的提出

47.2蚱蜢的习性

47.3蚱蜢优化算法的优化原理

47.4蚱蜢优化算法的数学描述

47.5蚱蜢优化算法的实现步骤及

伪代码

第48章飞蛾扑火优化算法

48.1飞蛾扑火优化算法的提出

48.2飞蛾的横向导航方法

48.3飞蛾扑火的原理

48.4飞蛾扑火优化算法的数学描述

48.5飞蛾扑火优化算法的伪代码实现

第49章蛾群算法

49.1蛾群算法的提出

49.2飞蛾的生活习性及趋光性

49.3蛾群算法的数学描述

49.4蛾群算法的实现步骤

第50章群居蜘蛛优化算法

50.1群居蜘蛛优化算法的提出

50.2蜘蛛的习性与特征

50.3群居蜘蛛优化算法的基本思想

50.4群居蜘蛛优化算法的数学描述

50.5蜘蛛优化算法的实现步骤及流程

第51章蟑螂优化算法

51.1蟑螂优化算法的提出

51.2蟑螂的习性

51.3蟑螂优化算法的原理

51.4蟑螂优化算法的数学描述

51.5蟑螂优化算法的实现步骤

第52章天牛须搜索算法

52.1天牛须搜索算法的提出

52.2天牛的习性及天牛须的功能

52.3天牛须搜索算法的寻优原理

52.4天牛须搜索算法的数学描述

52.5天牛须搜索算法的实现步骤

及流程

第53章蚯蚓优化算法

53.1蚯蚓优化算法的提出

53.2蚯蚓的生活习性

53.3蚯蚓优化算法的基本思想

53.4蚯蚓优化算法的数学描述

53.5蚯蚓优化算法的实现及流程

第54章布谷鸟搜索算法

54.1布谷鸟搜索算法的提出

54.2布谷鸟的繁殖行为与Levy飞行

54.3布谷鸟搜索算法的原理

54.4布谷鸟搜索算法的数学描述

54.5布谷鸟搜索算法的实现步骤

及流程

第55章候鸟优化算法

55.1候鸟优化算法的提出

55.2候鸟Ｖ字形编队飞行的优化原理

55.3候鸟优化算法的描述

55.4候鸟优化算法的实现步骤及流程

55.5候鸟优化算法的特点及参数分析

第56章雁群优化算法

56.1雁群优化算法的提出

56.2雁群飞行规则及其假设

56.3雁群优化算法的基本思想

56.4雁群优化算法的数学描述

56.5雁群优化算法的实现步骤及流程

第57章燕群优化算法

57.1燕群优化算法的提出

57.2燕子的生活习性及觅食行为 

57.3燕群优化算法的优化原理

57.4燕群优化算法的数学描述

57.5燕群优化算法的实现步骤及

伪代码

第58章麻雀搜索算法

58.1麻雀搜索算法的提出

58.2麻雀的生活习性

58.3麻雀搜索算法的优化原理

58.4麻雀搜索算法中的假设规则

58.5麻雀搜索算法的数学描述

58.6麻雀搜索算法的伪代码实现

第59章鸽群优化算法

59.1鸽群优化算法的提出

59.2鸽子自主归巢导航的优化原理

59.3鸽群优化算法的数学描述

59.4鸽群优化算法的实现步骤及流程

第60章鸟群算法

60.1鸟群算法的提出

60.2鸟群觅食、警惕和飞行行为规则

60.3鸟群算法的数学描述

60.4鸟群算法的伪代码描述及流程

第61章乌鸦搜索算法

61.1乌鸦搜索算法的提出

61.2乌鸦的生活习性

61.3乌鸦搜索算法的原理

61.4乌鸦搜索算法的数学描述

61.5乌鸦搜索算法的实现步骤及流程

第62章缎蓝园丁鸟优化算法

62.1缎蓝园丁鸟优化算法的提出

62.2缎蓝园丁鸟的习性及求偶机制

62.3缎蓝园丁鸟优化算法的数学描述

62.4缎蓝园丁鸟优化算法的实现

第63章海鸥优化算法

63.1海鸥优化算法的提出

63.2海鸥的习性及迁徙和攻击行为

63.3海鸥优化算法的数学描述

63.4海鸥优化算法的实现步骤及

伪代码

第64章哈里斯鹰优化算法

64.1哈里斯鹰优化算法的提出

64.2哈里斯鹰的习性及觅食策略

64.3哈里斯鹰优化算法的数学描述

64.4哈里斯鹰优化算法的实现

第65章秃鹰搜索算法

65.1秃鹰搜索算法的提出

65.2秃鹰的习性及其狩猎策略的

优化机制

65.3秃鹰搜索算法的数学描述

65.4秃鹰搜索算法的伪代码实现

第66章蝙蝠算法

66.1蝙蝠算法的提出

66.2蝙蝠的习性及回声定位

66.3蝙蝠算法的基本思想

66.4蝙蝠算法的数学描述

66.5蝙蝠算法的实现步骤及流程

第67章动态虚拟蝙蝠算法

67.1动态虚拟蝙蝠算法的提出

67.2蝙蝠的回声定位功能

67.3动态虚拟蝙蝠算法的优化原理

67.4动态虚拟蝙蝠算法的数学描述

67.5虚拟蝙蝠算法的伪代码实现

第68章飞鼠搜索算法

68.1飞鼠搜索算法的提出

68.2飞鼠滑行及觅食行为的寻优机制

68.3飞鼠搜索算法的数学描述

68.4飞鼠搜索算法的伪代码实现

及流程

第69章混合蛙跳算法

69.1混合蛙跳算法的提出

69.2混合蛙跳算法的基本原理

69.3基本混合蛙跳算法的描述

69.4混合蛙跳算法的实现步骤

69.5混合蛙跳算法实现的流程

第70章人工鱼群算法

70.1人工鱼群算法的提出

70.2动物自治体模型与鱼类的觅食

行为

70.3人工鱼群算法的基本原理

70.4人工鱼群算法的数学描述

70.5人工鱼群算法的流程

第71章大马哈鱼洄游算法

71.1大马哈鱼洄游算法的提出

71.2大马哈鱼的洄游习性

71.3大马哈鱼洄游算法的原理

71.4大马哈鱼洄游算法的描述

71.5大马哈鱼洄游算法的实现步骤

及流程

第72章鲸鱼优化算法

72.1鲸鱼优化算法的提出

72.2鲸鱼的泡泡网觅食行为

72.3鲸鱼优化算法的原理

72.4鲸鱼优化算法的数学描述

72.5鲸鱼优化算法的实现步骤及流程

第73章海豚回声定位优化算法

73.1海豚回声定位优化算法的提出

73.2海豚的生活习性

73.3海豚回声定位的优化原理

73.4海豚回声定位优化算法的数学

描述

73.5海豚回声定位优化算法的实现

步骤及流程

第74章海豚群算法

74.1海豚群算法的提出

74.2海豚群算法的优化原理

74.3海豚群算法的数学描述

74.4海豚群算法的实现步骤

第75章口孵鱼算法

75.1口孵鱼算法的提出

75.2口孵鱼的习性

75.3口孵鱼算法的优化原理

75.4口孵鱼算法的数学描述

75.5口孵鱼算法的伪代码实现

第76章河豚圆形结构算法

76.1河豚圆形结构算法的提出

76.2河豚的习性

76.3河豚建造圆形结构的过程

76.4河豚圆形结构算法的数学描述

76.5河豚圆形结构算法的伪代码

实现

第77章樽海鞘群算法

77.1樽海鞘群算法的提出

77.2樽海鞘的生活习性 

77.3樽海鞘群觅食的优化机理

77.4樽海鞘群算法的数学描述

77.5樽海鞘群算法的实现步骤及程序

伪代码

第78章珊瑚礁优化算法

78.1珊瑚礁优化算法的提出

78.2珊瑚虫生活习性及珊瑚礁筑成

78.3珊瑚礁优化算法的优化原理

78.4珊瑚礁优化算法的数学描述

78.5珊瑚礁优化算法的实现步骤及

流程

第79章磷虾群算法

79.1磷虾群算法的提出

79.2磷虾群算法的原理

79.3磷虾群算法的数学描述

79.4磷虾群算法的实现步骤及流程

第80章细菌觅食优化算法

80.1细菌觅食优化算法的提出

80.2大肠杆菌的结构及觅食行为

80.3细菌觅食优化算法的原理

80.4细菌觅食优化算法的数学描述

80.5细菌觅食优化算法的实现步骤

及流程

第81章细菌(群体)趋药性算法

81.1细菌(群体)趋药性算法的提出

81.2细菌趋药性算法的原理

81.3细菌趋药性算法的数学描述

81.4细菌群体趋药性算法的基本思想

81.5细菌群体趋药性算法的数学描述

81.6细菌群体趋药性算法的实现步骤

第82章细菌菌落优化算法

82.1细菌菌落优化算法的提出

82.2细菌的生长、繁殖、死亡过程

82.3细菌菌落优化算法的原理

82.4细菌菌落优化算法的设计

82.5细菌菌落优化算法的实现步骤

及流程

第83章病毒种群搜索算法

83.1病毒种群搜索算法的提出

83.2病毒及其生存策略

83.3病毒种群搜索算法的优化原理

83.4病毒种群搜索算法的数学描述

83.5病毒种群搜索算法实现的伪代码

及算法流程

第84章猫群优化算法

84.1猫群优化算法的提出

84.2猫的生活习性

84.3猫群优化算法的原理

84.4猫群优化算法的数学描述

84.5猫群优化算法的实现步骤

84.6猫群优化算法实现的程序流程

第85章鼠群优化算法

85.1鼠群优化算法的提出

85.2鼠群优化算法的原理

85.3鼠群优化算法及其环境描述

85.4鼠群优化算法的实现步骤

第86章猫鼠种群算法

86.1猫鼠种群算法提出

86.2猫鼠种群算法的原理

86.3猫鼠种群算法的数学描述

86.4猫鼠种群算法的实现步骤及流程

第87章鸡群优化算法

87.1鸡群优化算法的提出

87.2鸡群优化算法的基本思想

87.3鸡群优化算法的数学描述

87.4鸡群优化算法的实现步骤及流程

第88章斑鬣狗优化算法

88.1斑鬣狗优化算法的提出

88.2斑鬣狗的社会等级及捕食行为

88.3斑鬣狗优化算法的寻优原理

88.4斑鬣狗优化算法的数学描述

88.5斑鬣狗优化算法的实现步骤

及流程

第89章猴群算法

89.1猴群算法的提出

89.2猴群算法的原理

89.3猴群算法的数学描述

89.4猴群算法的实现步骤及流程

第90章蜘蛛猴优化算法

90.1蜘蛛猴优化算法的提出

90.2蜘蛛猴习性及裂变融合结构的

觅食行为

90.3蜘蛛猴优化算法的优化原理

90.4蜘蛛猴优化算法的数学描述

90.5蜘蛛猴优化算法的实现步骤

第91章狼群算法

91.1狼群算法的提出

91.2狼的习性及狼群特征

91.3狼群算法的原理

91.4狼群算法的数学描述

91.5狼群算法的实现步骤及流程

第92章灰狼优化算法

92.1灰狼优化算法的提出

92.2灰狼的社会等级及狩猎行为

92.3灰狼优化算法的数学描述

92.4灰狼优化算法的实现步骤及流程

第93章狮子优化算法

93.1狮子优化算法的提出

93.2狮子的生活习性

93.3狮子优化算法的原理

93.4狮子优化算法的数学描述

93.5狮子优化算法的伪代码实现

第94章北极熊优化算法

94.1北极熊优化算法的提出

94.2北极熊的生活习性及其捕猎行为

94.3北极熊优化算法的优化原理

94.4北极熊优化算法的数学描述

94.5北极熊优化算法的实现步骤及

伪代码

第95章大象放牧优化算法

95.1大象放牧优化算法的提出

95.2大象的生活习性

95.3大象放牧优化算法的优化原理

95.4大象放牧优化算法的数学描述

95.5大象放牧优化算法的实现步骤及

伪代码

95.6二进制象群优化算法的原理及

伪代码实现

第96章象群水搜索算法

96.1象群水搜索算法的提出

96.2大象的特征及其水搜索策略

96.3象群水搜索算法设计的基本规则

96.4象群水搜索算法的数学描述

96.5象群水搜索算法的伪代码实现

第97章自私兽群优化算法

97.1自私兽群优化算法的提出

97.2自私兽群优化算法的优化原理

97.3自私兽群优化算法的数学描述

97.4自私兽群优化算法的实现步骤

及流程

第98章捕食搜索算法

98.1捕食搜索算法的提出

98.2动物捕食策略

98.3捕食搜索算法的基本思想

98.4捕食搜索算法的数学描述

98.5捕食搜索算法的实现步骤及流程

第99章自由搜索算法

99.1自由搜索算法的提出

99.2自由搜索算法的优化原理

99.3自由搜索算法的数学描述

99.4自由搜索算法的实现步骤及流程

第100章食物链算法

100.1食物链算法的提出

100.2捕食食物链

100.3人工捕食策略

100.4人工生命食物链的基本思想

100.5食物链算法的数学描述

100.6食物链算法的实现步骤及流程

第101章共生生物搜索算法

101.1共生生物搜索算法的提出

101.2共生生物搜索算法的原理

101.3共生生物搜索算法的数学描述

101.4SOS算法的实现步骤及流程

第102章生物地理学优化算法

102.1生物地理学优化算法的提出

102.2生物地理学的基本概念及生物

物种迁移模型

102.3生物地理学优化算法的原理

102.4生物地理学优化算法的数学描述

102.5生物地理学优化算法的实现步骤

及流程

第103章竞争优化算法

103.1竞争优化算法的提出

103.2竞争优化算法的原理

103.3竞争优化算法的描述

103.4竞争优化算法的实现步骤及流程

第四篇仿植物生长算法

第104章模拟植物生长算法

104.1模拟植物生长算法的提出

104.2模拟植物生长算法的原理

104.3模拟植物生长算法的数学描述

104.4模拟植物生长算法的实现步骤

第105章人工植物优化算法

105.1人工植物优化算法的提出

105.2人工植物优化算法的优化原理

105.3人工植物优化算法的数学描述

105.4人工植物优化算法的实现步骤

及流程

第106章人工藻类算法

106.1人工藻类算法的提出

106.2藻类的生长特性

106.3人工藻类算法的数学描述

106.4人工藻类算法的伪代码实现

及流程

第107章小树生长算法

107.1小树生长算法的提出

107.2小树生长算法的优化原理

107.3小树生长算法的数学描述

107.4小树生长算法的伪代码实现

第108章自然树生长竞争算法

108.1自然树生长竞争算法的提出

108.2自然树生长竞争算法的优化机理

108.3自然树生长的竞争模型

108.4自然树生长竞争算法的数学描述

108.5自然树生长竞争算法的实现步骤

及流程

第109章根树优化算法

109.1根树优化算法的提出

109.2根树优化算法的基本原理

109.3根树优化算法的数学描述

109.4RTO算法的实现步骤

第110章森林优化算法

110.1森林优化算法的提出

110.2森林优化算法的原理

110.3森林优化算法的数学描述

110.4森林优化算法的实现步骤及流程

第111章入侵草优化算法

111.1入侵草优化算法的提出

111.2杂草生长的入侵性

111.3入侵草优化算法的原理

111.4入侵草优化算法的数学描述

111.5入侵草优化算法的实现步骤

及流程

第112章种子优化算法

112.1种子优化算法的提出

112.2种子优化算法的基本思想

112.3种子优化算法的数学描述及

实现流程

112.4基于正态分布的种子优化算法及

实现流程

第113章花朵授粉算法

113.1花朵授粉算法的提出

113.2花朵授粉的特征

113.3花朵授粉算法的数学描述

113.4花朵授粉算法的实现步骤及流程

第114章杂交水稻优化算法

114.1杂交水稻优化算法的提出

114.2杂交水稻育种技术及其分类

114.3杂交水稻优化算法的优化原理

114.4杂交水稻优化算法的数学描述

114.5杂交水稻优化算法的实现

第五篇仿自然优化算法

第115章模拟退火算法

115.1模拟退火算法的提出

115.2固体退火过程的统计力学原理

115.3模拟退火算法的数学描述

115.4模拟退火算法的实现步骤及流程

第116章混沌优化算法

116.1混沌优化算法的提出

116.2混沌学与Logistic映射

116.3混沌优化算法的实现步骤

116.4变尺度混沌优化算法的实现步骤

第117章混沌黄金分割搜索算法

117.1混沌黄金分割搜索算法的提出

117.2混沌黄金分割搜索算法的原理及

数学描述

117.3混沌黄金分割搜索算法的结构

117.4混沌黄金分割搜索算法的实现

步骤及流程

第118章随机分形搜索算法

118.1随机分形搜索算法的提出

118.2随机分形搜索的原理

118.3分形搜索算法的数学描述

118.4分形搜索算法的实现步骤

118.5随机分形搜索算法的数学描述

及实现步骤

第119章电子搜索算法

119.1电子搜索算法的提出

119.2玻尔原子模型与里德伯格公式

119.3电子搜索算法的优化原理

119.4电子搜索算法的数学描述

119.5电子搜索算法的实现步骤

第120章量子搜索算法

120.1量子搜索算法的提出

120.2量子计算基础

120.3Grover量子搜索算法的原理

120.4Grover算法的搜索步骤

120.5量子遗传算法的原理及实现步骤

第121章量子谐振子优化算法

121.1量子谐振子优化算法的提出

121.2量子谐振子优化算法的基本原理

121.3量子谐振子优化算法的数学描述

121.4量子谐振子优化算法的实现

121.5多尺度量子谐振子算法

第122章智能水滴优化算法

122.1智能水滴优化算法的提出

122.2智能水滴优化算法的基本原理

122.3智能水滴优化算法的数学描述

122.4智能水滴优化算法求解TSP

问题的步骤及流程

第123章水循环算法

123.1水循环算法的提出

123.2水循环过程

123.3水循环算法的基本原理

123.4水循环算法的数学描述

123.5水循环算法的实现步骤及流程

第124章水波优化算法

124.1水波优化算法的提出

124.2水波现象与水波理论

124.3水波优化算法的基本原理

124.4水波优化算法的数学描述

124.5水波优化算法的实现步骤及流程

第125章人工雨滴算法

125.1人工雨滴算法的提出

125.2雨滴形成及降雨过程分析

125.3人工雨滴算法的基本思想

125.4人工雨滴算法的数学描述

125.5人工雨滴算法的循环过程流程

第126章云搜索优化算法

126.1云搜索优化算法的提出

126.2云搜索优化算法的基本思想

126.3云搜索优化算法的数学描述

126.4云搜索优化算法的实现步骤

第127章气象云模型优化算法

127.1气象云模型优化算法的提出

127.2气象云模型优化算法的基本思想

127.3气象云模型优化算法的数学描述

127.4气象云模型优化算法的实现步骤

及流程

第128章风驱动优化算法

128.1风驱动优化算法的提出

128.2风驱动优化算法的原理

128.3风驱动优化算法的数学描述

128.4风驱动优化算法的实现步骤及

流程

第129章宇宙大爆炸算法

129.1宇宙大爆炸算法的提出

129.2宇宙大爆炸算法的基本思想

129.3宇宙大爆炸算法的数学描述

129.4BBBC算法实现步骤及流程

第130章烟花算法

130.1烟花算法的提出

130.2烟花算法的优化原理

130.3烟花算法的数学描述

130.4烟花算法实现步骤及流程

第131章中心引力优化算法

131.1中心引力优化算法的提出

131.2中心引力优化算法的原理

131.3中心引力优化算法的数学描述

131.4中心引力优化算法的实现步骤

第132章引力搜索算法

132.1引力搜索算法的提出

132.2引力搜索算法的原理

132.3引力搜索算法的数学描述

132.4引力搜索算法的实现步骤及流程

第133章引力场算法

133.1引力场算法的提出

133.2行星和恒星的形成理论

133.3引力场算法的基本思想

133.4引力场算法的数学描述

133.5引力场算法的实现步骤及流程

第134章极值动力学优化算法

134.1极值动力学优化算法的提出

134.2BS生物演化模型

134.3极值动力学优化算法的原理

134.4极值动力学优化算法的描述

134.5极值动力学优化算法的实现步骤

及流程

134.6极值动力学优化算法的特点

第135章拟态物理学优化算法

135.1拟态物理学优化算法的提出

135.2拟态物理学基础

135.3拟态物理学优化算法的基本思想

135.4拟态物理学优化算法的数学描述

135.5拟态物理学优化算法的实现步骤

第136章分子动理论优化算法

136.1分子动理论优化算法的提出

136.2分子动理论的相关知识

136.3分子动理论优化算法的原理

136.4分子动理论优化算法的数学描述

136.5分子动理论优化算法的实现步骤

及流程

第137章碰撞体优化算法

137.1碰撞体优化算法的提出

137.2碰撞体优化算法的原理

137.3碰撞体优化算法的数学描述

137.4碰撞体优化算法的实现步骤及

流程

第138章气体分子动力学优化算法

138.1气体分子动力学优化算法的提出

138.2气体分子的动力学理论

138.3气体分子动力学优化算法的原理

138.4气体分子动力学优化算法的数学

描述

138.5气体分子动力学优化算法的伪代码

实现

第139章进化质心算法

139.1进化质心算法的提出

139.2基于物体质心的优化原理

139.3进化质心算法的数学描述

139.4进化质心算法的伪代码实现

第140章平衡优化算法

140.1平衡优化算法的提出

140.2平衡优化算法的原理

140.3平衡优化算法的数学描述

140.4平衡优化算法的伪代码及实现

流程

第141章类电磁机制算法

141.1类电磁机制算法的提出

141.2库仑定律

141.3类电磁机制算法的基本思想

141.4类电磁机制算法的数学描述

141.5类电磁机制算法的实现步骤及

流程

第142章热传递搜索算法

142.1热传递搜索算法的提出

142.2热传递搜索算法的原理

142.3热传递搜索算法的数学描述

142.4热传递搜索算法实现的详细流程

第143章热交换优化算法

143.1热交换优化算法的提出

143.2热交换优化的物理学基础

143.3热交换优化算法的数学描述

143.4热交换优化算法的实现流程

第144章螺旋运动进化算法

144.1螺旋运动进化算法的提出

144.2螺旋运动进化算法的基本思想

144.3螺旋运动进化算法的数学描述

144.4螺旋运动进化算法的伪代码实现

第145章螺旋优化算法

145.1螺旋优化算法的提出

145.2螺旋结构、螺旋模型与最优化

机制

145.3螺旋优化算法的数学描述

145.4基本螺旋优化算法的实现步骤

145.5收敛的螺旋优化算法及其实现

步骤

第146章涡流搜索算法

146.1涡流搜索算法的提出

146.2涡流搜索算法的原理

146.3涡流搜索算法的数学描述

146.4涡流搜索算法的实现及流程

第147章闪电搜索算法

147.1闪电搜索算法的提出

147.2闪电搜索算法的原理

147.3闪电搜索算法的数学描述

147.4闪电搜索算法的实现步骤及流程

第148章光线优化算法

148.1光线优化算法的提出

148.2光线优化算法的原理

148.3光线优化算法的数学描述

148.4光线优化算法的流程

第149章化学反应优化算法

149.1化学反应优化算法的提出

149.2化学反应优化算法的原理

149.3化学反应优化算法的数学描述

149.4化学反应优化算法的实现步骤

及流程

第150章正弦余弦算法

150.1正弦余弦算法的提出

150.2正弦余弦算法的原理

150.3正弦余弦算法的数学描述

150.4正弦余弦算法的伪代码实现

第151章阴阳对优化算法

151.1阴阳对优化算法的提出

151.2阴阳对优化算法的基本思想

151.3阴阳对优化算法的数学描述

151.4阴阳对优化算法的伪代码实现

第152章五行环优化算法

152.1五行环优化算法的提出

152.2五行学说及相生相克关系

152.3五行环优化算法的优化原理

152.4五行环模型的建立

152.5五行环优化算法的实现及流程

第153章多元宇宙优化算法

153.1多元宇宙优化算法的提出

153.2多元宇宙理论 

153.3多元宇宙优化算法的原理

153.4多元宇宙优化算法的数学描述

153.5多元宇宙优化算法的实现步骤

及流程

第154章人工生态系统优化算法

154.1人工生态系统优化算法的提出

154.2生态系统及生态平衡的优化原理

154.3人工生态系统优化算法的数学

描述

154.4人工生态系统优化算法的伪代码

实现

第六篇涌 现 计 算

第155章一维元胞自动机的涌现

计算

155.1元胞自动机概念的提出

155.2元胞自动机的结构与规则

155.3一维元胞自动机涌现计算的原理

第156章Conway生命游戏的涌现

计算

156.1Conway生命游戏的提出

156.2二维细胞自动机的结构和规则

156.3Conway生命游戏的演化

156.4基于MATLAB的生命游戏仿真

设计

156.5基于MATLAB生命游戏仿真

算法的实现步骤及流程

第157章蚂蚁系统觅食路径的涌现

计算

157.1蚂蚁群体觅食行为的涌现现象

157.2蚂蚁群体觅食行为模型的构建

157.3蚂蚁主体觅食行为规则及模型

参数

157.4基于Agent的蚂蚁群体觅食

行为的涌现计算步骤及流程

第158章数字人工生命Autolife的

涌现行为

158.1Autolife模型的提出

158.2Autolife模型的基本思想

158.3Autolife模型的规则描述

158.4不同环境下的人工生命群体动态

行为

158.5组织的自创生与自修复功能

158.6Autolife模型的意义

第159章黏菌的铁路网络涌现计算

159.1黏菌涌现计算的提出

159.2黏菌及其习性

159.3黏菌觅食的涌现行为

159.4黏菌交通网络的涌现计算过程

159.5黏菌网络的性能及路径寻优模型

附录A智能优化算法的理论基础： 

复杂适应系统理论

参考文献

本书全面收集了国内外已提出的原创的智能优化算法和涌现计算150种。每种算法从算法提出、优化原理、数学描述、实现步骤及算法流程等方面加以介绍。全书视野开阔，取材全面而新颖，逻辑严谨，系统性强，撰写上由浅入深，深入浅出，启迪思维。

李士勇，哈尔滨工业大学控制科学与工程学科，二级教授，博士生导师，哈尔滨工业大学教学名师奖获得者，黑龙江省优秀专家。曾被聘任国家模糊控制生产力促进中心专家组专家，Journal of Measurement Science and Instrumentation 编委。30多年来，一直从事自动控制，模糊控制，神经控制，智能控制，智能优化，智能制导，复杂适应系统方面的教学、科研及硕士生、博士生指导工作。教学和科研共获国家级奖2项，省部级奖7项。在国内外发表论文金200篇。以第一作者已出版教材和专著共14部，其中在哈尔滨大学出版社出版12部，在清华大学出版社出版2部，在清华大学出版社成立40周年社庆时，本人被推荐为优秀作者和作品参展。