本书在现有智能优化方法的基础上，探索学习型智能优化方法的基本框架。书中采用智能优化模型和知识模型相结合的集成建模思路，总结了精英个体知识、构件知识、算子知识和参数知识4种知识形式，构建了用于实现学习型智能优化方法的8类典型知识，以此辅助学习型智能优化方法高效地求解复杂优化问题。针对连续优化的问题、离散优化的问题（非对称旅行商问题、双层CARP优化问题、柔性作业车间调度问题）和实际工程问题（体系仿真优化问题、卫星地面站系统任务调度问题、多星任务规划问题），分别设计了若干种学习型智能优化算法，并对优化结果进行了分析和解释。本书主要面向在运筹学领域研究智能优化方法的企业、高校与科研院所的研究人员，帮助读者了解学习型智能优化算法的基本原理与框架流程，提高读者对学习型智能优化算法的实践与应用能力，促进学习型智能优化算法的发展与完善。

本书在简要阐述智能优化方法相关理论的基础上，介绍了蚁群智能优化方法的基本原理与算法主要要素等基本内容。同时，介绍蚁群智能优化方法在旅行商问题、背包问题、定向问题、属性约简、卫星资源调度问题以及多目标组合优化问题等复杂组合优化问题的应用示例，详细阐述蚁群智能优化方法在具体应用中的的基本设计方法以及算法性能改善的有效途径。 本书适合作为从事智能优化方法及其应用研究的相关科技工作者、专业技术人员的参考书，也可作为计算机学科、控制科学等专业研究生和高年级本科生学习蚁群智能优化方法的指导用书。

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，使其受到国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要使用这些算法工具来解决具体问题的理论研究人员和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

本书主要包括利用改进的卷积神经网络实现合成孔径雷达目标识别，提出了改进的群智能算法，并结合机器学习实现合成孔径雷达目标识别、MEMS矢量水听器信号的去噪估计、癌症分类、传染病预测、空气质量指数预测与等级分类、机器人转向分类和地质水水质分类。本书有较强的实用性和应用性，既结合实际应用的需要，又从理论上加以指导。本书可作为应用数学、信号处理、图像处理、优化算法、预测与分类等方向研究生学习，还可供从事机器学习的科研工作者参考。

本书主要包括利用改进的卷积神经网络实现合成孔径雷达目标识别，提出了改进的群智能算法，并结合机器学习实现合成孔径雷达目标识别、MEMS矢量水听器信号的去噪估计、癌症分类、传染病预测、空气质量指数预测与等级分类、机器人转向分类和地质水水质分类。本书有较强的实用性和应用性，既结合实际应用的需要，又从理论上加以指导。本书可作为应用数学、信号处理、图像处理、优化算法、预测与分类等方向研究生学习，还可供从事机器学习的科研工作者参考。

本书以Matlab语言为工具，介绍了优化设计的相关理论基础，并以实用、多角度的工程实例为对象，通过编程实现其求解及优化目的。主要内容包括：优化设计基本模型及图形表示，线性规划，一维搜索方法，无约束优化问题，有约束优化问题，多目标函数优化问题的经典算法，Matlab优化工具箱函数及应用，优化算法工程应用实例等内容。

本书为普通高等教育“十一五”国家级规划教材。系统地阐述了人工智能的基本原理、方法和应用技术，比较全面地反映了国内外人工智能研究领域的最新进展和发展方向。全书共分为11章。首先简要介绍了人工智能的发展历史及概况；然后重点介绍了人工智能的知识表示方法，搜索技术和知识推理；最后详细介绍了人工智能的主要应用以及一些应用实例。内容由浅入深、循序渐进，条理清晰，各章均有大量的例题，便于读者掌握和巩固所学知识，让学生在有限的时间内，掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。

本书为普通高等教育“十一五”国家级规划教材。系统地阐述了人工智能的基本原理、方法和应用技术，比较全面地反映了国内外人工智能研究领域的最新进展和发展方向。全书共分为11章。首先简要介绍了人工智能的发展历史及概况；然后重点介绍了人工智能的知识表示方法，搜索技术和知识推理；最后详细介绍了人工智能的主要应用以及一些应用实例。内容由浅入深、循序渐进，条理清晰，各章均有大量的例题，便于读者掌握和巩固所学知识，让学生在有限的时间内，掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。

群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。