目 录 章 概述1 　　1.1 进化类算法2 　　1.2 群智能算法3 　　1.3 模拟退火算法5 　　1.4 禁忌搜索算法5 　　1.5 神经网络算法6 　　参考文献6 第2章 遗传算法9 　　2.1 引言9 　　2.2 遗传算法理论10 　　2.2.1 遗传算法的生物学基础10 　　2.2.2 遗传算法理论基础11 　　2.2.3 遗传算法的基本概念13 　　2.2.4 标准遗传算法16 　　2.2.5 遗传算法的特点16 　　2.2.6 遗传算法的改进方向17 　　2.3 遗传算法流程17 　　2.4 关键参数说明19 　　2.5 MATLAB仿真实例20 　　参考文献35 第3章 差分进化算法37 　　3.1 引言37 　　3.2 差分进化算法理论38 　　3.2.1 差分进化算法原理38 　　3.2.2 差分进化算法的特点38 　　3.3 差分进化算法种类39 　　3.3.1 基本差分进化算法39 　　 　　3.3.2 差分进化算法的其他形式41 　　3.3.3 改进的差分进化算法42 　　3.4 差分进化算法流程43 　　3.5 关键参数的说明44 　　3.6 MATLAB仿真实例45 　　参考文献57 第4章 免疫算法59 　　4.1 引 言59 　　4.2 免疫算法理论60 　　4.2.1 生物免疫系统60 　　4.2.2 免疫算法概念62 　　4.2.3 免疫算法的特点63 　　4.2.4 免疫算法算子63 　　4.3 免疫算法种类67 　　4.3.1 克隆选择算法67 　　4.3.2 免疫遗传算法67 　　4.3.3 反向选择算法67 　　4.3.4 疫苗免疫算法68 　　4.4 免疫算法流程68 　　4.5 关键参数说明70 　　4.6 MATLAB仿真实例71 　　参考文献84 第5章 蚁群算法87 　　5.1 引言87 　　5.2 蚁群算法理论88 　　5.2.1 真实蚁群的觅食过程88 　　5.2.2 人工蚁群的优化过程90 　　5.2.3 真实蚂蚁与人工蚂蚁的异同90 　　5.2.4 蚁群算法的特点91 　　5.3 基本蚁群算法及其流程92 　　5.4 改进的蚁群算法95 　　5.4.1 精英蚂蚁系统95 　　5.4.2 大小蚂蚁系统95 　　5.4.3 基于排序的蚁群算法96 　　5.4.4 自适应蚁群算法96 　　5.5 关键参数说明97 　　5.6 MATLAB仿真实例99 　　参考文献108 第6章 粒子群算法111 　　6.1 引言111 　　6.2 粒子群算法理论112 　　6.2.1 粒子群算法描述112 　　6.2.2 粒子群算法建模113 　　6.2.3 粒子群算法的特点113 　　6.3 粒子群算法种类114 　　6.3.1 基本粒子群算法114 　　6.3.2 标准粒子群算法114 　　6.3.3 压缩因子粒子群算法115 　　6.3.4 离散粒子群算法116 　　6.4 粒子群算法流程116 　　6.5 关键参数说明117 　　6.6 MATLAB仿真实例120 　　参考文献135 第7章 模拟退火算法137 　　7.1 引言137 　　7.2 模拟退火算法理论138 　　7.2.1 物理退火过程138 　　7.2.2 模拟退火原理139 　　7.2.3 模拟退火算法思想140 　　7.2.4 模拟退火算法的特点141 　　7.2.5 模拟退火算法的改进方向141 　　7.3 模拟退火算法流程142 　　7.4 关键参数说明143 　　7.5 MATLAB仿真实例145 　　参考文献156 第8章 禁忌搜索算法157 　　8.1 引言157 　　8.2 禁忌搜索算法理论158 　　8.2.1 局部邻域搜索158 　　8.2.2 禁忌搜索159 　　8.2.3 禁忌搜索算法的特点159 　　8.2.4 禁忌搜索算法的改进方向160 　　8.3 禁忌搜索算法流程160 　　8.4 关键参数说明162 　　8.5 MATLAB仿真实例165 　　参考文献176 第9章 神经网络算法179 　　9.1 引言179 　　9.2 神经网络算法理论180 　　9.2.1 人工神经元模型180 　　9.2.2 常用激活函数181 　　9.2.3 神经网络模型182 　　9.2.4 神经网络工作方式182 　　9.2.5 神经网络算法的特点183 　　9.3 BP神经网络算法184 　　9.4 神经网络算法的实现187 　　9.4.1 数据预处理187 　　9.4.2 神经网络实现函数188 　　9.5 MATLAB仿真实例191 　　参考文献199 附录A MATLAB常用命令和函数201