本书系统、全面地介绍了用于求解**化问题的10种智能启发式算法的基本思想、设计原理及应用案例，分别为遗传算法、蚁群算法、模拟退火算法、禁忌搜索算法、大邻域搜索算法、变邻域搜索算法、迭代局部搜索算法、粒子群算法、人工免疫算法及人工神经网络。 本书可作为高等院校计算机科学与技术、人工智能等理工类相关专业本科生及研究生教材，也可作为物流管理、经济管理等管理类相关专业本科生及研究生教材。

邹晔（1991-），女，博士，湖南工商大学前沿交叉学院讲师。于2020年毕业于华中科技大学，获管理科学与工程专业博士学位，主要从事组合优化问题、深度强化学习、智能算法设计等研究。近年来，主持湖南省教育厅优秀青年项目1项、湖南省自然科学基金青年基金项目1项，并在Computers & Industrial Engineering、International Journal of Sustainable Transportation、《中国安全科学学报》、《公路交通科技》、《软科学》以及《中国安全生产科学技术》等国内外知名期刊发表多篇学术论文。于2021年带领学生团队参加大学生创新创业训练计划项目并获得省级立项。

前言 启发式优化算法是相对于精确算法而言的。一个问题的精确算法，是指求得该问题的精确解，而启发式算法则是基于直观或经验所构造的算法，在可接受的成本(计算时间、占用内存等)下寻找最优解，但不一定能保证所得解的可行性和精确性。启发式算法一般具有严密的理论依据，而不是仅凭专家经验，理论上可在一定时间内找到精确解或近似精确解。 启发式算法的兴起源于实际问题的需要。随着20世纪70年代算法复杂性理论的完善，人们不再强调花费大量的时间求得精确解，只要能在较短的时间内求得相对较好的结果，也可以接受。因此，20世纪80年代初兴起的启发式优化算法在当今得到了巨大的发展。 本书第1章对最优化方法的求解对象即最优化问题的定义及分类进行了介绍，并分析了最优化方法的特点及其分类，再重点介绍最优化方法之一的启发式算法的定义及特点。第2章介绍了遗传算法的思想及特点、设计原则，并重点分析了遗传算法在01背包问题、函数极值问题、旅行商问题、带时间窗的车辆路径问题及机器学习领域中的应用。第3章介绍了蚁群算法的思想及特点，并重点分析了蚁群算法在旅行商问题及函数极值问题中的应用。第4章首先介绍了模拟退火算法的 思想及特点、设计原则，然后介绍了该算法在经典优化问题如旅行商问题、图像处理等问题中的应用，并针对该算法在实际问题如电商物流配送问题、登机口分配问题中的具体应用进行了分析。第5章首先介绍了禁忌搜索算法的基本思想，然后介绍了该算法各个组成模块如初始解、邻域、禁忌表等的设计思路，最后重点分析了禁忌搜索算法在旅行商问题、双层级医疗设施选址问题及机场外航服务人员班型生成问题...