本书全面系统地介绍了计算群体智能中的粒子群优化（PSO）和蚁群优化（ACO）的基本概念、基本模型、理论分析及其应用。本书可作为高等院校智能科学、计算机、自动化、电子信息、通信、模式识别等专业研究生和高年级本科生的教材，也可作为智能信息处理、群体智能与工程等相关专业的科技工程人员的参考用书。

本书全面系统地介绍了计算群体智能中的粒子群优化（PSO）和蚁群优化（ACO）的基本概念、基本模型、理论分析及其应用。在简要介绍基本优化理论和总结各类优化问题之后，重点介绍了社会网络结构如何在个体间交换信息以及个体聚集行为如何形成一个功能强大的有机体。在概述了进化计算后，重点论述了粒子群优化和蚁群优化的基本模型及其各种变体，给出了分析粒子群优化模型的一种通用方法，证明了基于蚂蚁行为实现的蚁群优化算法并将其用于解决实际问题。

本书可作为高等院校智能科学、计算机、自动化、电子信息、通信、模式识别等专业研究生和高年级本科生的教材，也可作为智能信息处理、群体智能与工程等相关专业的科技工程人员的参考用书。

第1章 引言

第一部分 优化理论

第2章 优化问题和方法

 2．1 优化问题的基本要素

 2．2 优化问题分类

 2．3 最优性条件

 2．4 优化算法的类别

 2．5 收敛的一般条件

2．5．1 简单随机搜索

2．5．2 局部收敛的条件

2．5．3 全局收敛的条件

2．5．4 收敛准则

 2．6小结

……

第3章 无约束优化

第4章 约束优化

第5章 多解问题

第6章 多目标优化

第7章 动态优化问题

第二部分 进化计算

第8章 进化计算导论

第9章 进化计算方法

第10章 协同进化

第三部分 粒子群优化

第11章 引言

第12章 基本粒子群优化

第13章 粒子轨迹

第14章 收敛性的证明

第15章 单解粒子群优化

第16章 小生境粒子群优化

第17章 利用粒子群优化的约束优化

第18章 粒子群多目标优化

第19章 动态环境中的粒子群优化

第20章 离散粒子群优化

第21章 粒子群优化的应用

第四部分 蚂蚁算法

第22章 引言

第23章 蚁群优化的元启发算法

第24章 蚁群优化算法的一般框架

第25章 蚁群优化算法

第26章 蚁群算法的应用

第27章 集体决策

第28章 蚁群优化的收敛性

第29章 墓地组织与育雏

第30章 分工

第31章 后记

参考文献

高级阅读材料

附录A 缩略词

附录B 符号

索引