智能算法是一类直接的、随机搜索的优化方法，它是基于模拟自然界的生物现象而产生的一类新型优化方法。本书在介绍优化理论的基础上，着重介绍求解复杂工程优化模型的新智能算法。
本书共有12章，第1～2章着重介绍智能算法的现状及最优化理论的基本概念；第3章着重介绍几种求解单目标约束优化问题的新型智能算法；第4～5章介绍求解多目标优化问题的粒子群算法及仿真实验；第6～9章着重讨论当优化问题维度变大时如何解决高维多目标优化问题；第10～11章讨论了复杂双层优化及其在视频服务器部署中的应用；第12章分析本书所用核心算法即粒子群优化算法的参数设计。
本书可作为计算机类各专业、运筹学专业和管理学科各专业研究生的教材，也可供相关科研人员和工程技术人员参考。

魏静萱，西安电子科技大学计算机科学与技术学院副教授，硕士生导师。近年来主要从事优化理论与算法在机器学习和人工智能方面的应用研究。作为负责人主持国家自然科学青年基金项目。担任IEEE TEC、Soft Computing等国际知名期刊评阅人。

第1章 绪论
1.1 引言
1.2 智能算法的现状
1.3 智能算法的研究发展
1.4 约束单目标优化问题及其智能算法
1.5 多目标优化问题及其智能算法
1.6 本书的主要工作与内容安排
第2章 智能算法与粒子群优化算法的基本理论
2.1 智能算法的框架及基础理论
2.1.1 智能算法的基本框架
2.1.2 智能算法的基础理论
2.2 粒子群优化算法简介
2.2.1 基本粒子群算法框架
2.2.2 粒子群算法与其他智能算法的比较
2.2.3 两种基本智能模型
2.2.4 粒子群算法的改进
第3章 解决约束单目标优化问题的两种粒子群算法
3.1 相关工作
3.1.1 问题表述
3.1.2 智能算法在约束优化问题中的研究现状
3.2 解决约束优化问题的双目标粒子群优化算法
3.2.1 模型的建立
3.2.2 基于偏好的粒子比较准则
3.2.3 改进的多父体单形杂交算子
3.2.4 双目标粒子群优化（TPSO）算法的流程
3.2.5 数值模拟
3.3 解决约束优化问题的模糊粒子群算法
3.3.1 模糊个体极值和模糊全局极值的提出
3.3.2 基于阈值的粒子比较准则
3.3.3 模糊粒子群（FPSO）算法的流程
3.3.4 数值模拟
3.3.5 收敛性分析
第4章 解决无约束多目标优化问题的几种智能算法
4.1 相关工作
4.1.1 问题表述
4.1.2 智能算法在多目标优化问题中的研究现状
4.2 基于粒子群优化的多目标Memetic算法
4.2.1 多目标优化模型的转化
4.2.2 基于新模型的粒子比较准则
4.2.3 局部搜索算子的引进
4.2.4 全局极值的选取
4.2.5 基于粒子群优化的多目标Memetic算法（PSMA）流程
4.2.6 实例仿真与性能比较
4.3 解决多目标优化问题的模糊粒子群算法
4.3.1 多目标模糊个体极值和模糊全局极值的提出
4.3.2 多目标模糊粒子群算法流程
4.3.3 实例仿真与性能比较
4.4 基于新模型的多目标Memetic算法
4.4.1 多目标优化模型的转化
4.4.2 一种新的选择策略
4.4.3 新的接收准则
4.4.4 基于新模型的多目标Memetic算法概述
4.4.5 实例仿真与性能比较
4.5 收敛性分析
第5章 解决多目标约束优化问题的两种粒子群算法
5.1 解决多目标约束优化问题的混合粒子群算法
5.1.1 粒子保留准则
5.1.2 一种新的拥挤距离函数
5.1.3 基于合力的变异算子
5.1.4 混合粒子群算法流程
5.1.5 实例仿真与性能比较
5.2 基于不可行精英保留策略的粒子群优化算法
5.2.1 不可行精英保留策略的提出
5.2.2 新的拥挤距离函数
5.2.3 新的变异算子
5.2.4 基于不可行精英保留策略的粒子群优化算法（IPSO）
5.2.5 实例仿真与性能比较
5.3 收敛性分析
第6章 一种新的基于非线性扩展关系的多目标智能优化算法
6.1 选题背景和意义
6.2 国内外研究现状
6.3 解集的评价指标
6.4 新算法的提出
6.4.1 一种新的非线性扩展优势关系
6.4.2 算法框架
6.5 实验性的结果与分析
6.5.1 测试函数和性能指标
6.5.2 遗传算子及参数设置
6.5.3 相关算法
6.5.4 实验结果
第7章 基于世代距离指标和改进小生境方法的进化算法
7.1 引言
7.2 新提出的算法GD-MAOEA
7.2.1 算法框架
7.2.2 选择框架
7.2.3 计算个体的邻近距离
7.2.4 改进的小生境方法对解重新分层
7.3 数值实验结果及分析
7.3.1 参数设置
7.3.2 实验结果及分析
第8章 基于非支配排序和改进小生境的进化算法
8.1 引言
8.2 新的约束处理机制MC-CHT
8.3 新提出的算法MC-MOEA
8.3.1 约束排序
8.3.2 全局选择
8.3.3 可行性计算
8.3.4 改进的小生境方法
8.4 数值实验结果及分析
8.4.1 实验设置
8.4.2 实验结果和分析
第9章 基于协同进化框架和两阶段进化的进化算法
9.1 引言
9.2 提出的算法TS-CoEA
9.2.1 算法框架
9.2.2 新的小生境方法
9.2.3 全局选择
9.2.4 选择父代
9.3 数值实验结果及分析
9.3.1 实验设置
9.3.2 实验结果和分析
第10章 双层优化问题的智能算法求解
10.1 引言
10.2 国内外研究现状
10.2.1 问题研究
10.2.2 算法研究
10.３基于球变异和动态约束处理的双层PSO算法
10.3.1 双层优化模型
10.3.2 新提出的算法（BPSO-QMDC）
10.3.3 球变异PSO
10.3.4 基于极点的种群初始化
10.3.5 基于二次近似的局部搜索
10.3.6 约束处理以及适应度函数
10.3.7 RBF指导下的下层搜索改进策略
10.4 实验及结果分析
10.4.1 实验及参数设置
10.4.2 结果及分析
第11章 基于遗传算法的视频服务器部署问题研究
11.1 问题背景
11.2 问