随着工程技术的进步和科学计算规模的日益扩大，传统优化计算方法越来越难以在合理的时间内求得问题的有效解。基于自然科学尤其仿生学的启发式智能优化算法，为解决大规模复杂优化问题提供了良好的思路和方案。
本书通过对经典启发式优化方法流程的梳理，从算法理论、机制、流程、代码、改进和应用等方面，对近年来应用范围较广的一些活跃算法进行了系统阐述和深入分析，为现实中大量不可微、非线性和不确定性复杂问题提供了最优化求解途径和方法。

李煜，河南大学商学院教授、硕士生导师，管理学博士，美国布鲁姆菲尔德大学访问学者。主要研究方向：智能优化、电子商务、物流管理等。先后主持和承担国家自然科学基金、国家社会科学基金、教育部人文社科基金和河南省科技攻关等多项科研项目，发表专业论文50余篇，其中SCI和EI收录20余篇。

第1章 绪论
1.1 启发式优化方法
1.2 遗传算法
1.2.1 基本思想
1.2.2 算法流程
1.2.3 伪代码
1.3 蚁群算法
1.3.1 基本思想
1.3.2 算法流程
1.3.3 伪代码
1.4 粒子群算法
1.4.1 基本思想
1.4.2 算法流程
1.4.3 伪代码
1.5 模拟退火算法
1.5.1 基本思想
1.5.2 算法流程
1.5.3 伪代码
1.6 禁忌搜索算法
1.6.1 基本思想
1.6.2 算法流程
1.6.3 伪代码
1.7 差分进化算法
1.7.1 基本思想
1.7.2 算法流程
1.7.3 伪代码
本章参考文献
第2章 布谷鸟搜索算法
2.1 基本布谷鸟搜索算法
2.1.1 基本思想
2.1.2 算法流程
2.1.3 伪代码
2.1.4 研究现状
2.2 具有动态步长和发现概率的布谷鸟搜索算法（DCS）
2.2.1 DCS改进策略
2.2.2 DCS流程
2.2.3 DCS伪代码
2.2.4 时间复杂度分析
2.2.5 收敛性证明
2.2.6 函数优化仿真实验
2.3 基于定向变异的布谷鸟搜索算法（DVCS）
2.3.1 DVCS改进策略
2.3.2 求解货物配送路径规划问题
2.3.3 算法流程
2.3.4 伪代码
2.3.5 算法测试与分析
本章参考文献
第3章 万有引力搜索算法
3.1 基本引力搜索算法
3.1.1 基本思想
3.1.2 算法流程
3.1.3 伪代码
3.1.4 研究现状
3.2 基于多点自适应约束策略的万有引力搜索算法（MACGSA）
3.2.1 MACGSA改进策略
3.2.2 MACGSA流程
3.2.3 MACGSA伪代码
3.2.4 时间复杂度分析
3.2.5 收敛性分析
3.2.6 函数优化仿真实验
3.3 自适应混合变异万有引力搜索算法（MGSA）
3.3.1 MGSA改进策略
3.3.2 MGSA流程
3.3.3 MGSA伪代码
3.3.4 函数优化仿真实验
3.3.5 求解无人航行航路规划问题
本章参考文献
第4章 蝙蝠算法
4.1 基本蝙蝠算法
4.1.1 基本思想
4.1.2 算法流程
4.1.3 伪代码
4.1.4 研究现状
4.2 融合均匀变异与高斯变异的蝙蝠优化算法（UGBA）
4.2.1 UGBA改进策略
4.2.2 UGBA流程
4.2.3 UGBA伪代码
4.2.4 时间复杂度分析
4.2.5 收敛性证明
4.2.6 函数优化仿真实验
4.3 具有反向学习和正切随机探索机制的蝙蝠算法（PTRBA）
4.3.1 PTRBA改进策略
4.3.2 基于三次样条插值求解机器人路径规划问题
4.3.3 算法流程
4.3.4 伪代码
4.3.5 算例测试与分析
本章参考文献
第5章 花朵授粉算法
5.1 基本花朵授粉算法（FPA）
5.1.1 基本思想
5.1.2 FPA流程
5.1.3 FPA伪代码
5.1.4 研究现状
5.2 融合模拟退火机制的自适应花朵授粉算法（SRFPA）
5.2.1 SRFPA改进策略
5.2.2 SRFPA流程
5.2.3 SRFPA伪代码
5.2.4 时间复杂度分析
5.2.5 收敛性证明
5.2.6 函数优化仿真实验
5.3 具有动态转换概率的差分进化花朵授粉算法（MCFPA）
5.3.1 MCFPA改进策略
5.3.2 MCFPA流程
5.3.3 求解云计算资源调度问题
5.3.4 MCFPA求解问题步骤
5.3.5 求解云计算资源调度问题的伪代码
5.3.6 算例测试与分析
本章参考文献
第6章 总结与展望
重要术语索引

《现代启发式优化方法及其应用》具有以下特点：
（1）现代启发式优化算法为解决大规模复杂优化问题提供了良好的思路和方案。
（2）现代启发式优化算法为现实中存在的大量不可微、非线性、不确定性复杂问题提供了方便实用的最优化求解途径和方法。