本书系统介绍了依据传染病动力学原理构造出来的一系列新型复杂场景群智能优化算法，即传染病动力学优化算法，内容包括SIS传染病动力学优化算法、SEIV传染病动力学优化算法、SIRQV传染病动力学优化算法、SEIRS传染病动力学优化方法、鼠疫传染病动力学优化算法、具有跨物种多级传播特征的仓虫病算法、HIV传染病动力学优化算法、人感禽流感优化算法、SIR-DNA传染病动力学优化算法，并利用某些算法对VOCs减排方案优化问题进行了求解。本书介绍的研究成果可为求解高度复杂优化问题提供技术方法。本书内容丰富新颖、实用性强，可供管理科学与工程、计算机科学与技术、信息技术、人工智能、系统工程等学科的科研人员、工程技术人员、专业教师及研究生阅读和参考。

1 SIS传染病动力学优化算法
1.1 引言
1.2 基于SIS传染病模型的函数优化算法设计
1.2.1 Kermack-Mckendrick假设
1.2.2 算法场景设计
1.2.3 SIS传染病模型与SIS算法的执行流程
1.2.4 演化算子设计
1.2.5 个体初始化
1.2.6 SIS算法构造方法
1.2.7 SIS算法的特性
1.2.8 SIS算法的时间复杂度
1.3 SIS算法的全局收敛性证明
1.4 实例研究与对比分析
1.5 本章小结
参考文献
2 SEIV传染病动力学优化算法
2.1 引言
2.2 基于SEIV传染病模型的函数优化算法设计
2.2.1 SEIV传染病模型
2.2.2 算法场景设计
2.2.3 演化算子设计
2.2.4 SEIV算法构造方法
2.2.5 SEIV算法的时间复杂度
2.3 SEIV算法的特性与全局收敛性
2.4 实例研究与对比分析
2.4.1 SEIV算法的性能研究与参数选取
2.4.2 SEIV算法与其他群智能优化算法的比较
2.5 本章小结
参考文献
3 SIRQV传染病动力学优化算法
3.1 引言
3.2 基于SIRQV传染病模型的函数优化算法设计
3.2.1 SIRQV模型
3.2.2 算法场景设计
3.2.3 演化算子设计
3.2.4 SIRQV算法构造方法
3.2.5 SIRQV算法的特性
3.2.6 时间复杂度
3.3 SIRQV算法的全局收敛性
3.4 实例研究与对比分析
3.4.1 SIRQV算法的参数选取与性能研究
3.4.2 SIRQV算法与其他群智能优化算法的比较
3.5 本章小结
参考文献
4 SEIRS传染病动力学优化算法
4.1 引言
4.2 基于SEIRS传染病模型的函数优化算法设计
4.2.1 SEIRS传染病模型
4.2.2 算法场景设计
4.2.3 演化算子设计
4.2.4 SEIRS算法构造方法
4.2.5 SEIRS算法的特性
4.2.6 时间复杂度
4.3 SEIRS算法的全局收敛性
4.4 实例研究与对比分析
4.4.1 SEIRS算法的参数选取与性能研究
4.4.2 SEIRS算法与其他群智能优化算法的比较
4.5 本章小结
参考文献
5 鼠疫传染病优化算法
5.1 引言
5.2 鼠疫传染病优化算法设计方法
5.2.1 PIDO算法场景设计
5.2.2 具有脉冲预防接种的时滞鼠疫传染病模型
5.2.3 特征集合的生成方法
5.2.4 PIDO演化算子设计方法
5.2.5 PIDO算法的构造
5.2.6 PIDO算法的特点
5.3 PIDO算法全局收敛性证明
5.4 PIDO算法性能分析
5.4.1 村民数量对PIDO算法性能的影响分析
5.4.2 与其他群智能算法的比较
5.4.3 局部寻优能力和全局寻优能力分析
5.5 本章小结
参考文献
6 具有跨物种多级传播特征的包虫病优化算法
6.1 引言
6.2 包虫传染病模型的优化算法设计
6.2.1 算法场景设计
6.2.2 可跨多物种多级传播的包虫传染病模型
6.2.3 个体演化状态识别
6.2.4 演化算子设计
6.2.5 HDO算法构造方法
6.2.6 HDO算法的特性
6.2.7 时间复杂度
6.3 HDO算法的收敛性分析
6.4 HDO算法的参数选择
6.5 应用实例研究
6.5.1 VOCS最优减排模型
6.5.2 优化模型求解过程
6 6本章小结
参考文献
7 HIV传染病动力学优化算法
7.1 引言
7.2 HIV传染病动力学优化算法构建原理
7.2.1 算法场景设计
7.2.2 HIV传染病动力学模型
7.2.3 特征集合生成方法
7.2.4 演化算子设计
7.2.5 HIV算法的构造
7.2.6 算法特征分析
7.3 HIV算法的最佳参数确定
7.4 与其他群智能算法的比较
7.5 本章小结
参考文献
8 人感禽流感优化算法
8.1 引言
8.2 H7N9传染病优化算法设计原理
8.2.1 算法场景设计
8.2.2 可跨物种传播的传染病动力学模型
8.2.3 个体演化状态识别
8.2.4 演化算子设计
8.2.5 H7N9算法构造方法
8.2.6 H7N9算法的特性与全局收敛性证明
8.2.7 时间复杂度
8.3 H7N9算法的参数选择
8.4 H7N9算法与其他算法的比较
8.5 H7N9算法的动态行为分析
8.5.1 算子动态行为分析
8.5.2 H7N9算法的心率
8.5.3 个体的动态行为分析
8.5.4 求精和探索能力及其协调性分析
8.6 本章小结
参考文献
9 SIR—DNA传染病动力学优化算法
9.1 引言
9.2 SIR—DNA算法设计
9.2.1 动物个体DNA分子
9.2.2 SIR模型转换成个体类别转换方程
9.2.3 基因表达设计
9.2.4 基因表达与变量的对应关系设计
9.2.5 演化算子设计
9.2.6 SIR—DNA算法构造方法
9.2.7 SIR—DNA算法的降维特征的理论分析
9.2.8 SIR—DNA算法时间复杂度
9.2.9 SIR—DNA算法收敛性和稳定性分析
9.3 SIR—DNA算法与其他算法比较
9.4 本章小结
参考文献