《面向復雜優化問題求解的智能優化方法》首先從一般優化問題求解的角度，論述了優化問題的研究意義、優化研究中的基本概念與數學模型、優化問題的分類與求解方法運用原則，并介紹了智能優化的概念、方法分類以及發展歷史。然后介紹了8類典型智能優化方法的基本思想、概念和原理、步驟流程、典型的算法變體以及算法的擴展與改進設計等內容。從共性理論與方法角度出發，介紹了智能優化方法的統一框架、探索一開發權衡理論，并介紹了典型的混合智能優化算法以及通用的混合策略分類法。在應用方面，針對多類典型的、具有不同難度特征的優化問題，分別介紹了智能優化方法在這些問題求解中的設計與運用方法。這些問題提煉于作者長期從事的與先進火力與指揮控制系統相關的科研實踐。
《面向復雜優化問題求解的智能優化方法》可供自動化、計算機、系統工程、信息處理、運籌與管理、應用數學等專業的教師以及相關領域的技術開發人員參考，也可作為相關專業的高年級本科生和研究生的教材。
第1章 緒論
1．1 最優化問題的研究意義
1．2 優化問題的基本概念與數學模型
1．3 優化問題的分類與求解方法運用原則
1．3．1 解的分類
1．3．2 目標的分類
1．3．3 約束的分類
1．3．4 優化問題的分類譜系
1．3．5 問題規模與計算復雜性
1．3．6 求解方法的運用原則與搜索優化算法的一般流程
1．4 智能優化的概念
1．5 智能優化方法的分類
1．6 智能優化研究的發展歷史
問題與思考
參考文獻
第2章 典型智能優化方法
2．1 偽隨機數的生成
2．1．1 均勻分布的偽隨機數
2．1．2 任意概率分布的偽隨機數
2．2 混沌迭代與混沌搜索算法
2．3 模擬退火算法
2．3．1 模擬退火算法的原理
2．3．2 模擬退火算法的基本結構
2．3．3 多目標模擬退火算法
2．4 禁忌搜索算法
2．4．1 禁忌搜索算法的基本思想
2．4．2 禁忌搜索算法流程
2．5 遺傳算法
2．5．1 遺傳算法的基本概念和思想
2．5．2 遺傳算法的改進研究、經典變體及其應用
2．6 差分進化算法
2．6．1 傳統差分進化算法
2．6．2 差分進化算法的先進變體
2．7 分布估計算法
2．7．1 分布估計算法的思想與算法流程
2．7．2 離散型分布估計算法
2．7．3 連續型分布估計算法
2．7．4 動態環境下的分布估計算法
2．7．5 多目標分布估計算法
2．7．6 分布估計算法的應用
2．8 蟻群優化算法
2．8．1 蟻群算法的思想起源
2．8．2 基本蟻群算法原理
2．8．3 改進蟻群算法
2．9 粒子群優化算法
2．9．1 粒子群優化算法的相關背景
2．9．2 經典粒子群優化算法
2．9．3 新型粒子群優化算法
問題與思考
參考文獻
第3章 智能優化方法的統一框架與共性理論
3．1 智能優化方法的統一框架
3．2 智能優化方法的收斂性分析
3．2．1 收斂性與全局收斂性的定義
3．2．2 全局收斂性定理
3．2．3 關于收斂性的討論
3．3 搜索空間的探索一開發權衡
3．3．1 探索與開發的定義與權衡方式
3．3．2 探索一開發權衡的多階段隨機壓縮模型
3．4 總結與討論
問題與思考
參考文獻
第4章 混合型智能優化方法
4．1 文化基因算法
……
第5章 智能優化方法在作戰資源部署問題中的應用
第6章 智能優化方法在作戰資源分配問題中的應用
第7章 智能優化方法在運動體路徑規劃問題中的應用
新書資訊