前言

最优化技术在科学和工程等领域都有非常广泛的应用，理论界和工程界都对其进行了热切关注和深入研究。优化理论与算法的研究已成为一个具有理论意义和应用价值的热点课题。智能优化方法模仿自然现象的运行机制而产生，为解决复杂工程问题提供了新思路和新手段。最优化理论领域的“无免费午餐”定理说明算法混合是有效提高优化性能的一种手段，将各种算法有效地集成起来构成新的高效的优化方法是一个非常有价值的研究方向。

在现有智能优化方法的基础上，本书建立了学习型智能优化方法的基本框架。该框架采用智能优化模型和知识模型相结合的集成建模思路：智能优化模型按照“邻域搜索”策略对优化问题的可行空间进行搜索；知识模型从前期优化过程中挖掘有用知识，然后采用知识来指导智能优化模型的后续优化过程。构建学习型智能优化的基本框架，可以将智能优化模型和知识模型有效地结合起来，极大地提高了学习型智能优化方法的优化效果。学习型智能优化方法的基本框架为现有优化方法的改进提供了一种有益的借鉴。

本书提出了精英个体知识、构件知识、算子知识和参数知识4种知识形式，为学习型智能优化方法嵌入知识奠定了重要基础；构建了用于实现学习型智能优化方法的8类典型知识，可辅助学习型智能优化方法高效地求解复杂优化问题。

针对连续优化问题，本书设计并实现了一种求解函数优化问题的学习型遗传算法。采用21个标准测试函数进行实验，结果表明学习型遗传算法在优化性能方面优于近期公开发表的3种方法。

针对离散优化问题，本书设计并实现了求解3类典型离散优化问题的5种学习型智能优化算法。基于标准测试实例的实验结果表明，学习型智能优化算法在优化性能方面优于已经公开发表的多种方法。

针对实际工程问题，本书将学习型遗传算法和学习型蚁群算法分别应用于体系仿真优化问题、卫星地面站系统任务调度问题和多星任务规划问题，获得了非常满意的实验结果。

本书主要面向在运筹学领域研究智能优化方法的企业、高校与科研院所的研究人员，帮助读者了解学习型智能优化算法的基本原理与框架流程，提高读者对学习型智能优化算法的实践与应用能力，促进学习型智能优化算法的发展与完善。

作　者

2018年10月