本书对差分进化算法、粒子群优化算法、和声搜索算法及其应用进行了研究，主要工作如下：(1)为克服已有二进制和声搜索算法的缺陷，提出了适于求解大规模0-1背包问题的简化二进制和声搜索算法(SBHS)。(2)针对和声搜索算法做更进一步的研究，提出了一种有效求解多维0-1背包(MKP)问题的新和声搜索算法(NBHS)。(3)认真研究了粒子群算法在整数规划问题中应用，并以冗余策略可选择的冗余分配问题(RAP-MSC)作为实际应用背景。(4)根据李普希兹条件提出一种基于预测的约束处理方法，继而提出基于约束预测的自适应分组差分进化算法(AGDE)。

第1章 绪论
1.1 研究背景及意义
1.2 几种典型启发式优化算法的研究现状
1.3 本书主要工作
第2章 和声搜索算法在0-1背包问题中的应用
2.1 0-1背包问题及其研究现状
2.2 基本和声搜索算法
2.3 求解0-1优化问题的典型改进和声搜索算法
2.4 简化二进制和声搜索算法(SBHS)
2.5 实验结果与分析
2.6 本章小结
第3章 和声搜索在多维0-1背包问题中的应用
3.1 多维0-1背包问题(MKP)
3.2 MKP问题的研究现状
3.3 求解MKP问题的新二进制和声搜索算法(NBHS)
3.4 实验结果与对比分析
3.5 本章小结
第4章 粒子群优化算法在整数规划中的应用
4.1 引言
4.2 冗余策略可选择的冗余分配问题
4.3 基本粒子群优化算法
4.4 简化粒子群优化算法(SPSO)
4.5 对比实验与分析
4.6 本章小结
第5章 差分进化算法在约束优化问题中的应用
5.1 引言
5.2 常用的约束处理方法
5.3 基于预测的约束处理方法
5.4 基本差分进化算法
5.5 基于约束预测的自适应分组差分进化算法(AGDE)
5.6 实验结果及分析
5.7 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献