智能优化算法与涌现计算是多种前沿学科交叉融合的结晶。主要包括：模拟人脑思维、人体细胞、器官等的仿人智能优化算法；模拟群居动物觅食或繁殖行为的群智能优化算法；模拟人类社会进化的进化算法；模拟植物生长的仿生算法；模拟自然现象或规律的自然计算；模拟复杂适应系统涌现行为的涌现计算等80余种算法。本书可作为智能科学、计算机科学、信息科学、自动化、系统科学、管理科学等相关领域的教师、研究生、科研人员的参考书。

李士勇教授（二级），哈尔滨工业大学控制科学与工程国家一级重点学科博士生导师，黑龙江省优秀专家，中国自动化学会智能自动化专业委员会委员。1967年毕业于哈尔滨工业大学工业自动化专业，1983年获哈尔滨工业大学自动控制专业硕士学位并留校任教。1992年4月至1993年10月公派赴日本千叶工业大学作为客座研究员从事模糊控制、神经网络、智能控制方面的合作研究。近30多年来，一直从事模糊控制、智能控制、智能优化算法、智能制导、复杂适应系统理论及其应用等方面的科研、教学和指导研究生工作。科研和教学成果共获国家级奖2项，省部级7项，在国内外发表学术论文160余篇，近60篇被SCI、EI检索。作为第一作者出版专著及教材共14部，其中代表作《模糊控制·神经控制和智能控制论》荣获1999年“全国优秀科技图书奖”暨“科技进步奖（科技著作）三等奖”；本书跻身于十大领域中国科技论文被引频次最高的前50部专著与译著排行榜；截至2015年11月底该书已被十大领域6232篇论文引用；

前言 “智能”已经成为当代出现频次越来越高的词汇，这正是人类社会迈入智能时代的一个重要标志。智能正飞速地融入科学、工程、经济、国防及人类社会生活的方方面面： 智能科学、智能材料、智能机器人、智能生产线、智能控制、智能预测、智能决策、智能制导、智能炸弹、智能手机、智能家电、智能家居、智能楼宇……智能水平的高低，在很大程度上已经成为衡量一个国家综合国力、科技水平高低的重要标志。 在科学研究、工程设计、经济管理、国防建设等领域存在着大量需要优化求解的复杂问题。采用传统的优化方法通常需要给出待优化问题的精确数学模型，包括决策变量、约束条件和目标函数。传统优化方法包括线性规划、动态规划、整数规划和分支定界等运筹学中的经典算法，这些算法计算复杂，只适用于小规模问题； 用构造型优化算法快速建立问题的解，一般优化效果差，难以满足工程需要。总之，传统的优化算法是以给出优化问题的精确数学模型为基础的。然而，科学、工程、经济等领域提出的优化问题越来越复杂，难以建立精确的数学模型； 有的问题变量维数大，阶次高，目标函数多，约束条件复杂，即使建立复杂的数学模型也难以求解。因此，面临日益复杂的优化问题，基于精确模型的传统优化算法面临着极大的挑战。 大自然中的各种生物、植物、动物及各种自然现象呈现出生生不息的景象，总是给人以深刻的启迪。人们从中发现了许多隐含其中的信息存储、处理、交换、适应、更新、进化的机制，蕴含着优化的机理。于是，人们从中获得了设计灵感。例如，模拟蚁群从蚁穴到食物源避过障碍选择一条最短路径，Dorigo博士于1991年设计了蚁群优化算法，开辟了模拟群居昆虫觅食行为或动物捕猎行为的群智...