前言

计算智能作为人工智能的重要组成部分，在解决复杂优化问题方面展现出了强大的能力，已广泛应用于科学研究和工程实践的众多领域。本书旨在系统地介绍计算智能的基础理论和应用，为读者提供全面的知识体系和实践指导。

计算智能的发展源于人们对自然界生物智能的模仿和借鉴。通过对生物进化、群体行为和神经系统等自然现象的深入研究，科学家们提出了一系列进化计算、群体智能、启发式计算、神经网络、多目标优化、数据驱动和神经架构搜索等算法和模型。这些算法和模型能够有效地处理非线性、多模态、不确定性等复杂问题。

全书共分为9章。

第1章绪论部分，简要地介绍了计算智能的历史背景、基本理论、技术类别，并给出其相关的挑战与机遇以及未来的发展趋势。

第2章介绍了进化计算的基本概念，包括其历史背景、基本理论和主要算法。通过对遗传算法、进化规划、进化策略、遗传规划和差分进化算法等经典算法的深入剖析，展示了进化计算在解决复杂优化问题方面的强大能力。

第3章介绍了粒子群优化算法、蚁群算法、蜂群算法、烟花算法和头脑风暴优化算法等群体智能算法。这些算法通过模拟生物群体的协作和自组织行为，能够在复杂的搜索空间中快速找到最优解或近似最优解。

第4章介绍了其他启发式算法。分布估计算法通过对潜在候选解的显式概率模型进行抽样来引导搜索，模拟退火算法通过模拟金属或玻璃的热加工过程来寻找全局近似最优解，禁忌搜索算法则通过使用禁忌表来避免重复搜索已访问过的区域。这些算法在不同的应用场景中都发挥着重要的作用，能够帮助解决各种复杂的优化问题。

第5章介绍了感知机、卷积神经网络、循环神经网络、图神经网络、生成对抗网络和脉冲神经网络等多种神经网络模型。这些模型在图像识别、语音处理、自然语言处理等领域取得了显著的成果，为人工智能的发展带来了新的机遇。例如，卷积神经网络在图像处理方面具有出色的表现，能够自动提取图像的特征；循环神经网络则擅长处理时间序列数据，在语音识别和自然语言处理中有着广泛的应用。

第6章介绍了多目标优化算法的基本概念、分类和经典算法，包括基于支配、分解和指标的多目标优化算法，以及高维多目标优化算法和大规模多目标优化算法等。同时，还介绍了多目标优化算法的性能评价指标和测试问题，为算法的评估和比较提供了依据。

第7章介绍了数据驱动优化算法的概念和分类。根据优化过程中是否能对新数据进行采样，系统地介绍了在线的数据驱动优化算法和离线的数据驱动优化算法，包括多目标优化和单目标优化。另外，介绍了其他数据驱动优化算法，包括存在延迟的多目标优化和不同精度的单目标优化。最后，介绍了该研究领域在高炉优化、翼型优化、进气通风系统优化等方面的应用。

第8章介绍了神经架构搜索的基本概念、搜索空间设计、搜索策略以及性能评估方法。搜索空间设计包括全局搜索空间、基于单元的搜索空间、基于块的搜索空间和基于分层的搜索空间等。搜索策略涵盖了基于网格搜索与随机搜索、基于贝叶斯优化、基于强化学习、基于进化计算、基于梯度下降、基于代理模型及基于混合优化等多种方法。性能评估方法包括低保真度、早停法、代理模型、网络态射和权重共享等。

第9章介绍了计算智能在实际工程中的应用，包括工业故障诊断、高端装备制造、高速生产线开发、临床医疗智能和智能化医学影像等领域，展示了计算智能在解决实际问题中的有效性和实用性。

在本书的编写过程中，张天、李楠和钱迎倾注了大量的心血。同时，参与编写工作的还有王若宇、杨舒钧、周萍、陈怡丹、尹海源、韩金叶、张欣妍、安晓洁、丁嘉诚、邵雨欣、梅傲寒等。此外，本书在研究过程中得到了国家自然科学基金项目（62472079，61872073，61773103，61503373，61105067）的资助。

本书的编写力求内容全面、系统，语言通俗易懂，既适合作为高等院校相关专业的教材，也适合作为科研人员和工程技术人员的参考书。希望本书能够为读者提供有益的帮助，促进计算智能技术的发展和应用。

由于计算智能已成为当前研究热点，新思想、新概念不断涌现，而编者所了解的情况和水平有限，因此，在选题、选材及对各方法的评述等方面难免有不妥或疏漏之处，敬请读者对本书提出宝贵的意见和建议，以便我们不断改进和完善。

马连博2025年12月于沈阳