前言

近年来，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，智能优化算法得到了快速发展和广泛应用。智能优化算法又称为元启发式算法，包括粒子群算法、遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法等。智能优化算法的常见灵感来源通常为生物、物理、化学、社会等系统或领域中相关的行为、功能、经验、规则、作用机理等，因其独特的优点和机制，在国内外得到广泛关注。智能优化算法正在不断演化和飞速发展，在信号图像处理、生产任务分配、路径规划、自主自动控制等众多领域得到了成功应用。

本书介绍了10种智能优化算法，包括蜉蝣优化算法、哈里斯鹰优化算法、狮群优化算法、樽海鞘群算法、秃鹰搜索算法、乌燕鸥优化算法、平衡优化器算法、海洋捕食者算法、算术优化算法和蝠鲼觅食优化算法。全书共分为12章，前10章分别对应上述一种智能优化算法，每章分为4节，第一节主要对算法来源、原理、过程和流程进行详细介绍，第二节给出算法完整的MATLAB实现代码，第三节针对某一具体的函数模型进行MATLAB编程寻优，第四节针对某一具体应用问题进行MATLAB主函数设计。第11章列出了23种用于衡量智能优化算法性能的常见测试函数，并给出了每种测试函数的MATLAB编程代码。第12章重点介绍了智能优化算法评价指标体系，选取了8种测试函数以及10种工程案例，对前10章介绍的部分智能优化算法进行测试与分析，给出完整MATLAB代码，供读者参考。

本书主要特点为算法新颖，要素齐全，案例丰富，可移植性强。本书涉及的算法均为国内外新开发研究的算法，包含完整的建模过程和MATLAB代码案例，对于初学者具有较强的启发作用。本书实战性强，对于要应用算法工具解决具体问题的理论研究和工程技术人员来说，通过阅读本书可以节省大量查询资料和编写程序的时间，通过MATLAB仿真实例更加深入地理解、快速地掌握算法。每种算法的优化目标可以很多，感兴趣的读者可以在此基础上进行深入研究。

在本书编写过程中，除了引用智能优化算法的原始文献，还参考了国内外相关研究的文献及有价值的博士、硕士学位论文等，感谢被本书直接或间接引用文献资料的同行学者们！

本书的出版得到清华大学出版社的大力支持，在此表示由衷感谢！

由于编著者水平有限，书中难免存在不足之处，诚挚希望各位专家和读者批评指正。

编者