本书首先围绕物流配送计划问题、网络的开放式最短路径优先问题、多阶段供应链管理的网络问题以及双目标网络问题中的网络系统的最小费用最大流量问题这几个可用网络模型一般化的NPhard组合优化问题，介绍如何设计不同的染色体来采用遗传算法解决网络设计问题； 然后，在数值实验中通过求解实际问题详细地介绍了遗传算法的使用方法； 最后， 介绍怎样有效地运用遗传算法求解从基本的网络模型，到通信网络、逻辑系统、先进的生产计划等不同的多目标网络模型。 本书通过使用具体数值实例进行浅显易懂的讲解，而没有涉及难懂的理论讲解，大学低年级学生凭借其现有的数学基础知识就可以完全理解书中介绍的网络数学模型和遗传算法的解法。书中丰富的数值实例能够加深读者对算法的理解，为学习带来便利。

本书实用性强，摒弃工具书中难懂的理论讲解，通过使用具体数值实例进行浅显易懂的讲解，保证大学低年级学生凭借现有的数学基础知识也可以完全理解书中介绍的网络数学模型和遗传算法的解法。书中丰富的数值实例能够加深读者对算法的理解，为学习带来便利。

前言 从因特网时代的信息网络系统，到基于GPS进行车辆导航的道路信息系统，以及软件开发的项目进度管理系统，均建立在网络模型的基础之上。目前，网络建模已经被灵活地运用到计算机科学、自然科学、运筹学、金融学、工学等诸多领域。网络建模通过点、弧（连接）以及流量来处理网络问题并搜索到最佳的解决方案。 近年来，由于信息通信技术的快速发展，网络技术的飞速进步和普及， 以及产业经济全球化，不仅仅是信息通信业，制造业以及物流业也发生着巨大的变革。优化问题的求解过程，如应用大规模网络系统的最优化通信路径，及网络的开放式最短路径优先（Open Shortest Path First，OSPF）问题，以附加快速信息交互能力的企业资源软件包（Enterprise Resource Package，ERP）为基础的生产信息系统的生产物流调度问题，伴随网络环境下物流系统中顾客和供应商的全球化问题的多阶段供应链管理(Supply Chain Management，SCM)网络问题等，因其结构复杂、多伴有很多制约条件，且常为多目标优化问题，被我们定义为NP-hard组合优化问题。 特别是针对各企业生产物流过程，要求迅速灵活运用准确的信息并给出合理决策，具体指从接受订单到企划，再到生产过程以及密切相关的适时配送计划，即根据供应链管理系统寻求到全局最优化的解。 一般地，大规模组合优化问题用旧有方法求解时存在解决不了的问题，所以在启发式算法里最被广泛灵活应用的遗传算法（Genetic Algorithm，GA）受到了关注。遗传算法是进化计算的一种，在业界作为实用技术之一被广泛地使用。例如，在SAP、...