本书系统介绍了禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法、人工神经网络算法和拉格朗日松弛算法等现代优化计算方法的模型与理论、应用技术和应用案例. 全书共7章，第1章是后6章内容的基础，主要介绍算法复杂性的基本概念和启发式算法的评价方法，后6章分别介绍各个现代优化计算方法. 本书可作为数学、管理科学、计算机科学、工业工程等学科中相关优化专业的研究生教材，也可供相关专业研究人员参考.

随着20世纪70年代初期计算复杂性理论的形成，科学工作者发现并证明了大量来源于实际的组合最优化问题是非常难解的问题，即所谓的NP完全和NP难问题.20世纪80年代初期，应运而生了一系列现代优化计算方法，如禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法和人工神经网络算法等.这些算法在一些实际问题中的成功应用，使得科学工作者投入了大量的精力和热情去研究算法的模型、理论和应用效果.在与优化相关的各个领域，我们几乎都可以见到这些算法的理论和应用文献. 在国际或国内，每一种现代优化算法基本上都有相应的专著，其中有较为详尽的理论和应用论述.许多科学工作者希望对这些算法有一定的了解，并根据实际需要选择合适的算法进行深入的研究和应用.正基于此，我们将这些算法集于一书，从简单示例的计算开始，到其主要理论、应用技术及应用案例，由易到难地向相关优化专业的硕士研究生和博士研究生介绍现代优化计算方法的相关思想、模型、理论、应用技术等.本书也可供相关领域的科学研究人员参考. 第1章为概论.首先介绍现代优化算法所要解决的组合最优化问题.通过复杂性概念的引入，使我们知道为什么和在什么情况下使用现代优化计算方法.通过邻域和算法评价方法的介绍，使我们了解现代优化算法的共同点.由于有关复杂性概念的内容不易理解，因此，作者在处理这部分内容时以多个典型组合最优化问题为背景，通过对它们的步步分析来介绍复杂性的概念.为了满足不同层次读者的需要，本章将复杂性概念的内容分为两部分.1.2节为第一部分内容，介绍了多项式问题.1.5节和1.6节为第二部分，深入介绍了NP、NP完全、NP难和强NP完全...