这本书探讨了多维粒子群优化,由作者开发了一种技术解决这些需求。在介绍关键优化技术后,作者介绍了统一的框架，并展示了其在具有挑战性的应用领域的优势,包括多维扩展粒子群优化的全局收敛性、动态数据聚类、进化神经网络、生物医学应用程序和个性化的心电图分类、基于内容的图像分类和检索、合成与演化特征。

章绪论
1.1最优化历史发展
1.2核心问题
1.3本书内容简介
参考文献
第2章最优化技术概述
2.1最优化技术的历史
2.2确定性分析方法
2.2.1梯度下降法
2.2.2牛顿一拉普森迭代法
2.2.3Nelder-Mead搜索方法
2.3随机方法
2.3.1模拟退火算法
2.3.2随机逼近方法
2.4进化算法
2.4.1遗传算法
2.4.2差分进化算法
参考文献
第3章粒子群优化算法
3.1引言
3.2基本粒子群优化算法
3.3粒子群优化算法的一些变体形式
3.3.1部落
3.3.2多群
3.4应用领域
3.4.1非线性函数最小化
3.4.2数据聚类
3.4.3人工神经网络
3.5程序注解与软件开发包
参考文献
第4章多维粒子群优化算法
4.1多维度研究的需要
4.2基本思想
4.3多维粒子群优化算法
4.4程序注解与软件包
4.4.1PSO_MDlib应用程序中的多维粒子群优化操作
4.4.2PSOTestApp应用程序中的多维粒子群优化操作
参考文献
第5章改进全局收敛性
5.1分形全局最优构建
5.1.1研究动机
5.1.2基于FGBF的粒子群优化
5.1.3基于FGBF的多维粒子群优化
5.1.4非线性函数最小化
5.2动态环境的最优化方法
5.2.1动态环境：试验台
5.2.2多群粒子群优化
5.2.3基于FGBF的移动峰问题的移动峰基准
5.2.4多维移动峰函数的优化
5.2.5常规移动峰函数性能评估
5.2.6多维移动峰函数性能评估
5.3谁将指导指南
5.3.1随机扰动同时逼近方法概述
5.3.2同时逼近驱动的粒子群优化和
多维粒子群优化算法
5.3.3非线性函数最小化的应用
5.4回顾与总结
5.5程序注解与软件包
5.5.1FGBF在PSOMDlib应用程序中的操作
5.5.2分形全局最优构建多维粒子优化
在MPB中的应用
参考文献
……
第6章动态数据聚类
第7章进化人工神经网络
第8章个体心电图分类
第9章基于两类分类器集合网络的图像分类与检索
0章演进特征的综合