演化算法是一类基于群体智能的自然启发式搜索优化策略，具有结构灵活、易于理解、适用广泛的特点。本书是作者多年研究成果的总结，介绍基于复杂适应度函数的进化算法、化学反应优化算法、人工内分泌系统模型、反向差分进化算法等高级计算智能方法，以及算法在目标的识别和跟踪、车辆路径问题等复杂实际场景中的应用。
本书可供计算机科学与技术、人工智能、应用数学等学科背景的高年级本科生和研究生阅读，也可供相关领域的工程技术人员参考。

前言
第1章 绪论
1.1 优化问题的数学模型
1.2 进化算法概述
1.2.1 进化算法的产生和发展
1.2.2 进化算法的基本步骤
1.2.3 进化算法的特点
1.3 经典进化算法
1.3.1 粒子群优化算法
1.3.2 差分进化算法
1.3.3 人工蜂群算法
第2章 基于复杂适应度函数的进化算法
2.1 Hoeffding进化算法
2.1.1 研究背景
2.1.2 算法描述及分析
2.1.3 实验结果及讨论
2.2 多生命周期进化算法
2.2.1 研究背景
2.2.2 算法描述及分析
2.2.3 实验结果及讨论
2.3 混龄遗传规划算法
2.3.1 研究背景
2.3.2 算法描述及分析
2.3.3 实验结果及讨论
第3章 化学反应优化算法
3.1 引言
3.1.1 化学反应优化算法概述
3.1.2 化学反应优化算法研究现状
3.2 基于分解的多目标化学反应优化算法
3.2.1 算法描述及分析
3.2.2 实验结果及讨论
3.3 基于自组织映射的混合化学反应优化算法
3.3.1 算法描述
3.3.2 实验结果及讨论
第4章 人工内分泌系统模型
4.1 生物内分泌系统
4.1.1 内分泌系统的组成
4.1.2 激素间的作用方式
4.2 人工内分泌系统的研究进展
4.2.1 人工内分泌系统的理论模型
4.2.2 AES与其他自然计算方法的结合
4.2.3 AES的应用研究
4.3 LAES模型设计与分析
4.3.1 模型设计
4.3.2 模型分析
第5章 反向学习策略
5.1 引言
5.2 基于当前最优解的反向学习策略及算法
5.2.1 反向差分进化算法
5.2.2 基于当前最优解的反向学习策略及反向差分进化算法描述
5.2.3 实验结果及讨论
5.3 反向学习策略的评估方法
5.3.1 方法描述
5.3.2 计算实例
5.3.3 仿真验证
第6章 工程应用实例
6.1 Hoeffding进化算法在视觉跟踪中的应用
6.1.1 问题描述
6.1.2 算法描述
6.1.3 实验结果及讨论
6.2 化学反应优化算法在车辆路径问题中的应用
6.2.1 问题描述
6.2.2 算法描述
6.2.3 实验结果及讨论
6.3 人工内分泌系统模型在群体机器人系统中的应用
6.3.1 算法描述
6.3.2 实验结果及讨论
参考文献
附录
附录A 十种算法所获得的Pareto最优前沿
附录B 常用测试函数