元启发式优化方法是一种新兴的优化方法，在控制科学、计算机科学、系统科学、管理科学、人工智能、机器学习等诸多领域得到普遍应用。本书全面、深入地介绍元启发式优化方法的起源、原理、模型、性能分析及改进策略，涵盖蚁群优化算法、粒子群优化算法、萤火虫算法、布谷鸟搜索算法、和声搜索算法、差分进化算法、随机蛙跳算法、细菌觅食算法及蝙蝠算法等。各章既相对独立，又互为参考，反映了当前元启发式优化方法的发展特点。附录给出了各章算法的程序源代码。本书取材新颖、内容丰富、覆盖面厂、强调特色、着眼学术发展前沿，力求给读者带来一些新视角和新思维。 本书可供信息、自动化、计算机、人工智能、系统科学及管理科学等领域科技人员参考，也可作为相关专业研究生及高年级本科生的教材及参考书。

《智能科学技术著作丛书》序
前言
第1章 概述
1．1 引言
1．2 元启发式算法分类及特点
1．3 寻找免费的午餐
1．4 元启发式算法的发展方向
1．5 本书构思及结构
参考文献
第2章 蚁群优化算法
2．1 算法基础
2．1．1 产生与发展
2．1．2 生物学原理
2．1．3 国内外研究现状
2．1．4 发展趋势 《智能科学技术著作丛书》序 前言 第1章 概述 1．1 引言 1．2 元启发式算法分类及特点 1．3 寻找免费的午餐 1．4 元启发式算法的发展方向 1．5 本书构思及结构 参考文献 第2章 蚁群优化算法 2．1 算法基础 2．1．1 产生与发展 2．1．2 生物学原理 2．1．3 国内外研究现状 2．1．4 发展趋势 2．2 算法模型 2．2．1 元启发式算法 2．2．2 蚁群优化元启发式算法框架 2．2．3 经典蚁群算法模型 2．3 理论分析 2．3．1 ���敛性分析 2．3．2 状态转移策略分析 2．4 改进算法介绍 2．4．1 离散域蚁群算法改进 2．4．2 连续域蚁群算法改进 参考文献 第3章 粒子群优化算法 3．1 算法基础 3．1．1 产生与发展 3．1．2 国内外研究现状 3．1．3 研究热点 3．2 算法模型 3．2．1 算法统一框架 3．2．2 算法设计步骤 3．2．3 算法基本描述与分析 3．3 理论分析 3．3．1 收敛性分析 3．3．2 种群拓扑结构分析 3．4 改进算法介绍 3．4．1 基于种群多样性的模糊粒子群优化算法 3．4．2 双子群离散粒子群优化算法 参考文献 第4章 萤火虫算法 4．1 算法基础 4．1．1 产生与发展 4．1．2 生物学原理 4．1．3 国内外研究现状 4．2 算法模型 4．2．1 萤火虫算法基本思想 4．2．2 萤火虫算法数学描述 4．2．3 标准萤火虫算法的基本流程 4．3 理论分析 4．3．1 萤火虫算法性能和算法参数研究 4．3．2 算法测试 4．4 改进算法介绍 4．4．1 萤火虫算法改进研究动态 4．4．2 多目标萤火虫算法研究 参考文献 第5章 布谷鸟搜索算法 5．1 算法基础 5．1．1 产生与发展 5．1．2 生物学原理 5．2 算法模型 5．2．1 数学原理 5．2．2 基本算法流程 第6章 和声搜索算法 第7章 差分进化算法 第8章 随机蛙跳算法 第9章 细菌觅食算法 第10章 蝙蝠算法 附录a 蚁群优化算法程序源代码 附录b 粒子群优化算法程序源代码 附录c 萤火虫算法程序源代码 附录d 布谷鸟搜索算法对ackley函数优化的程序源代码- 附录e 和声搜索算法程序源代码 附录f 差分进化算法程序源代码 附录g 随机蛙跳算法程序源代码 附录h 细菌觅食算法对rosenbrock函数优化的程序源代码 附录i 蝙蝠算法程序源代码