本书对计算智能领域的主要算法进行介绍，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用，内容包括绪论以及神经网络、模糊逻辑、遗传算法、蚁群优化算法、粒子群优化算法、免疫算法、分布估计算法、Memetic算法、模拟退火算法和禁忌搜索算法等计算智能领域的典型算法。本书通俗易懂，图文并茂，深入浅出，没有其他算法书中大量公式、定理、证明等难懂的内容，而是通过大量的图表示例对各个算法进行说明和介绍。本书不但提供了算法实现的流程图和伪代码，而且通过具体的应用举例对算法的使用方法和使用过程进行说明，同时提供了大量经典而重要的参考资料，为读者进一步深入学习和理解算法提供方便。
　　本书适合作为相关专业本科生和研究生的选修课教材，特别适合作为入门教材以满足算法初学者了解和学习计算智能算法的入门需求，同时还能够作为广大算法研究者和工程技术人员进一步学习的参考书和工具书。

　　本书介绍典型的计算智能方法，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用，内容共分10章。第1章是绪论，主要是对计算智能一些背景知识及其分类与理论、研究与发展、特征与应用等进行概要介绍；第2章介绍神经网络（Neural Network, NN) ；第3章介绍模糊逻辑（Fuzzy Logic, FL) ；第4章介绍遗传算法（Genetic Algorithm, GA) ；第5章介绍蚁群优化算法（Ant Colony Optimization, ACO) ；第6章介绍粒子群优化算法（Particle Swarm Optimization, PSO) ；第7章介绍免疫算法（Immune Algorithm, IA) ；第8章介绍分布估计算法（Estimation of Distribution Algorithm, EDA) ；第9章介绍Memetic算法（Memetic Algorithm, MA) ；第10章介绍模拟退火（Simulated Annealing, SA）以及禁忌搜索（Tabu Search, TS）算法。
　　计算智能算法本身是对自然界智慧和人类智慧的模仿，其思想来源和基本原理本来就不是高深晦涩的理论，因此本书在对各种算法进行介绍的时候，力求做到通俗易懂，图文并茂，深入浅出。本书的每一章都以生动的图示开头，尝试用最直观、最通俗的形式去展示各种算法的思想原理和基本特征，有助于读者快速、形象、深刻地对算法进行认识和把握。在叙述的过程中，本书没有其他算法书中大量公式、定理、证明等难懂的内容，而是通过大量的图表示例对各个算法的思想来源、流程结构、发展改进、参数设置和相关应用等方面进行说明和介绍，不但提供了算法实现的流程图和伪代码，而且通过具体的应用举例对算法的使用方法和使用过程进行说明，同时提供了大量经典而重要的参考资料，为读者进一步深入学习和理解算法提供方便。本书的部分插图来源于网络的自由资源和Microsoft Office软件提供的剪贴板画，我们对此表示感谢。
　　本书编写的分工如下：中山大学的张军教授负责全书的编写与统稿工作，詹志辉参与编写了第1、2、6、10章，陈霓参与编写了第3章，许瑞填参与编写了第4章，龚月姣参与编写了第5章，官兆参与编写了第7章，钟竞辉参与编写了第8章，陈伟能参与编写了第9章。
　　由于编者水平有限，书中难免存在错误或疏漏之处，希望广大读者批评指正。

　　张军
　　2009年6月
　　于中山大学

第1章 绪 论1
1.1 最优化问题2
1.1.1 函数优化问题3
1.1.2 组合优化问题3
1.2 计算复杂性及NP理论4
1.2.1 计算复杂性4
1.2.2 NP理论5
1.3 智能优化计算方法： 计算智能算法6
1.3.1 计算智能的分类与理论7
1.3.2 计算智能的研究与发展9
1.3.3 计算智能的特征与应用10
1.4 本章习题11
本章参考文献11

第2章 神经网络13
2.1 神经网络简介14
2.1.1 神经网络的基本原理14
2.1.2 神经网络的研究进展15
2.2 神经网络的典型结构17
2.2.1 单层感知器网络17
2.2.2 前馈型网络18
2.2.3 前馈内层互联网络19
2.2.4 反馈型网络19
2.2.5 全互联网络20
2.3 神经网络的学习算法20
2.3.1 学习方法20
2.3.2 学习规则21 计算智能目录
2.4 BP神经网络23
2.4.1 基本思想23
2.4.2 算法流程24
2.4.3 应用举例25
2.5 进化神经网络27
2.6 神经网络的应用27
2.7 本章习题30
本章参考文献30

第3章 模糊逻辑33
3.1 模糊逻辑简介34
3.1.1 模糊逻辑的基本原理34
3.1.2 模糊逻辑与模糊系统的发展历程35
3.2 模糊集合与模糊逻辑36
3.2.1 模糊集合与隶属度函数36
3.2.2 模糊集合上的运算39
3.2.3 模糊逻辑40
3.2.4 模糊关系及其合成运算41
3.3 模糊逻辑推理42
3.3.1 模糊规则、语言变量和语言算子42
3.3.2 模糊推理43
3.4 模糊计算的流程45
3.4.1 基本思想46
3.4.2 算法流程46
3.5 模糊逻辑的应用48
3.6 本章习题50
本章参考文献50

第4章 遗传算法53
4.1 遗传算法简介54
4.1.1 基本原理54
4.1.2 研究进展57
4.2 遗传算法的流程58
4.2.1 流程结构58
4.2.2 应用举例63
4.3 遗传算法的改进 65
4.3.1 算子选择65
4.3.2 参数设置66
4.3.3 混合遗传算法68
4.3.4 并行遗传算法68
4.4 遗传算法的应用71
4.5 本章习题73
本章参考文献73

第5章 蚁群优化算法81
5.1 蚁群优化算法简介82
5.1.1 基本原理82
5.1.2 研究进展84
5.2 蚁群优化算法的基本流程85
5.2.1 基本流程85
5.2.2 应用举例87
5.3 蚁群优化算法的改进版本88
5.3.1 精华蚂蚁系统89
5.3.2 基于排列的蚂蚁系统89
5.3.3 最大最小蚂蚁系统90
5.3.4 蚁群系统91
5.3.5 蚁群算法的其他改进版本94
5.4 蚁群优化算法的相关应用96
5.5 蚁群优化算法的参数设置98
5.6 本章习题100
本章参考文献100

第6章 粒子群优化算法107
6.1 粒子群优化算法简介108
6.1.1 思想来源108
6.1.2 基本原理109
6.2 粒子群优化算法的基本流程111
6.2.1 基本流程111
6.2.2 应用举例113
6.3 粒子群优化算法的改进研究113
6.3.1 理论研究改进115
6.3.2 拓扑结构改进116
6.3.3 混合算法改进119
6.3.4 离散版本改进121
6.4 粒子群优化算法的相关应用121
6.4.1 优化与设计应用121
6.4.2 调度与规划应用122
6.4.3 其他方面的应用123
6.5 粒子群优化算法的参数设置123
6.6 本章习题124
本章参考文献125

第7章 免疫算法131
7.1 免疫算法简介132
7.1.1 思想来源132
7.1.2 免疫系统的生物学原理简介133
7.1.3 二进制模型134
7.2 免疫算法的基本流程137
7.2.1 基本流程137
7.2.2 更一般化的基本免疫算法139
7.3 常用免疫算法141
7.3.1 负选择算法141
7.3.2 克隆选择算法142
7.3.3 免疫算法和进化计算146
7.4 免疫算法的相关应用148
7.4.1 识别和分类应用148
7.4.2 优化应用148
7.4.3 其他方面的应用149
7.5 本章习题149
本章参考文献150

第8章 分布估计算法155
8.1 分布估计算法简介156
8.1.1 分布估计算法产生的背景156
8.1.2 分布估计算法的发展历史157
8.2 分布估计算法的基本流程158
8.2.1 基本的分布估计算法158
8.2.2 一个简单分布估计算法的例子160
8.3 分布估计算法的改进及理论研究161
8.3.1 概率模型的改进161
8.3.2 混合分布估计算法166
8.3.3 并行分布估计算法167
8.3.4 分布估计算法的理论研究169
8.4 分布估计算法的应用169
8.5 本章习题171
本章参考文献172

第9章 Memetic算法177
9.1 Memetic算法的基本思想178
9.2 Memetic算法的基本框架179
9.3 静态Memetic算法182
9.3.1 局部搜索的位置182
9.3.2 Lamarckian模式和Baldwinian模式183
9.4 动态Memetic算法183
9.4.1 动态MA的简介与分类183
9.4.2 Meta-Lamarckian学习型MA185
9.4.3 超启发式MA186
9.4.4 协同进化MA187
9.5 Memetic算法的理论与应用研究展望189
9.6 本章习题190
本章参考文献191

第10章 模拟退火与禁忌搜索195
10.1 模拟退火算法196
10.1.1 算法思想196
10.1.2 基本流程198
10.1.3 应用举例200
10.2 禁忌搜索算法201
10.2.1 算法思想201
10.2.2 基本流程203
10.2.3 应用举例204
10.3 本章习题206
本章参考文献206

附录A 索引209