前言 最優(yōu)化問題一直受到計(jì)算機(jī)科學(xué)、人工智能和管理決策等領(lǐng)域的廣泛關(guān)注。優(yōu)化是一種以數(shù)學(xué)為基礎(chǔ)、用于求解各種工程問題優(yōu)化解的應(yīng)用技術(shù)，它作為一個(gè)重要的科學(xué)分支，一直受到人們的廣泛重視。用傳統(tǒng)的最優(yōu)化方法求解，需要的計(jì)算時(shí)間與問題的規(guī)模呈指數(shù)關(guān)系，這使得傳統(tǒng)的優(yōu)化方法在實(shí)際復(fù)雜優(yōu)化問題的求解上顯得無能為力。群體智能算法是近幾十年發(fā)展起來的仿生模擬進(jìn)化的新型算法，具有操作簡單、通用性強(qiáng)、宜于并行處理和魯棒性強(qiáng)等特點(diǎn)。群體智能算法將問題的所有可能解集看作解空間，從代表問題可行解的一個(gè)子集開始，通過對該子集施加某種算子操作，從而產(chǎn)生新的解集，并逐漸使種群進(jìn)化到包含最優(yōu)解或近似最優(yōu)解的狀態(tài)。在進(jìn)化過程中僅需要目標(biāo)函數(shù)的信息，不受搜索空間是否連續(xù)或可微的限制就可找到最優(yōu)解。群體智能算法目前已被廣泛應(yīng)用于機(jī)器學(xué)習(xí)、組合優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、工業(yè)優(yōu)化控制、模式分類、模糊系統(tǒng)控制、圖像處理等多個(gè)領(lǐng)域，已成為人們求解復(fù)雜優(yōu)化問題強(qiáng)有力的工具。
　　本書本著由淺入深、易于掌握的原則，第1章簡要介紹了最優(yōu)化理論的基本知識(shí)和一些現(xiàn)有的智能進(jìn)化算法，給讀者一個(gè)簡單的主觀認(rèn)識(shí)；第2～8章分別介紹了目前應(yīng)用較為廣泛的7種智能算法.分別是粒子群優(yōu)化算法、差分進(jìn)化算法、混洗蛙跳算法、人工蜂群優(yōu)化算法、果蠅優(yōu)化算法、人工免疫優(yōu)化算法和量子衍生進(jìn)化算法。書中對每種算法的基本原理、參數(shù)設(shè)置及應(yīng)用案例進(jìn)行了詳細(xì)介紹，力求讀者能較容易地應(yīng)用智能進(jìn)化算法解決相應(yīng)的問題。另外，根據(jù)沒有免費(fèi)的午餐定理，所有最優(yōu)化算法的性能是等價(jià)的，不存在任何最優(yōu)化算法在所有問題上的性能都比其他最優(yōu)化算法更好的情況。因此，讀者需根據(jù)研究問題的特點(diǎn)以及優(yōu)化算法的特性來調(diào)整算法的參數(shù)或是對其進(jìn)行改進(jìn)，才能使得智能進(jìn)化算法具有更好的性能。
　　本書具體分工如下：第1～6章由張強(qiáng)編寫，第7章由富宇編寫，第8章由李盼池編寫。
　　鑒于作者水平有限，書中難免存在疏漏和不妥之處，敬請讀者指正。