隨著計算機應用技術的迅速發展，人們對高效優化技術和智能計算技術提出了更高更新的要求。鋻於實際工程問題具有復雜性、約束性、非線性、多局部極小和建模困難等特點，尋找適合於工程實踐需求的新型智能優化方法一直是許多學者的一個重要研究方向。

●第1章 緒論 / 1
1.1 智能計算方法概述 / 1
1.2 文化進化和自然進化的協同 / 14
第2章 理論背景知識 / 19
2.1 優化研究基礎 / 19
2.1.1 函數優化 / 20
2.1.2 組合優化 / 22
2.2 進化算法 / 24
2.2.1 遺傳算法 / 25
2.2.2 進化策略 / 27
2.2.3 進化規劃 / 28
2.2.4 遺傳算法、進化規劃和進化策略之間的異同點 / 28
2.3 群體智能 / 30
2.3.1 粒子群優化算法 / 30
2.3.2 蟻群優化算法 / 34
2.4 量子進化算法 / 38
2.4.1 量子計算概念的產生和發展 / 39
2.4.2 量子計算的物理原理 / 40
2.4.3 量子計算與經典計算相比的重要特點 / 43
2.4.4 量子進化算法的數學描述 / 46
2.5 文化算法 / 51
第3章 基於進化規劃的文化算法設計 / 55
3.1 引言 / 55
3.2 算法的分析和設計 / 57
3.2.1 群體空間上的進化 / 58
3.2.2 信仰空間上的進化 / 59
3.2.3 接受函數 / 64
3.2.4 影響函數 / 64
3.3 仿真實驗與結果分析 / 65
3.4 算法的改進 / 67
3.5 本章總結 / 69
第4章 文化粒子群優化算法 / 71
4.1 引言 / 72
4.2 差分進化算法 / 73
4.3 文化差分粒子群優化算法 / 78
4.3.1 群體空間的進化：差分粒子群優化算法 / 79
4.3.2 信仰空間的設計和作用 / 82
4.3.3 接受函數 / 86
4.3.4 影響函數 / 86
4.3.5 數值實驗 / 87
4.3.6 結果分析 / 91
4.4 群體空間進化算法的改進 / 92
4.4.1 自適應變異的差分粒子群優化算法 / 92
4.4.2 自適應柯西變異粒子群優化算法 / 98
4.5 本章總結 / 104
第5章 文化蟻群優化算法 / 105
5.1 引言 / 106
5.2 TSP問題描述 / 108
5.3 群體空間上的進化：蟻群繫統 / 109
5.4 信仰空間的設計和作用 / 111
5.4.1 信仰空間上的進化 / 111
5.4.2 接受函數 / 112
5.4.3 影響函數 / 112
5.5 實驗研究 / 114
5.5.1 算法的參數研究 / 115
5.5.2 對比實驗研究 / 117
5.6 本章總結 / 121
第6章 文化免疫量子進化算法 / 122
6.1 引言 / 123
6.2 背包問題描述 / 126
6.3 文化免疫量子進化算法 / 127
6.3.1 免疫的基本概念 / 128
6.3.2 文化和量子協同進化計算模型 / 130
6.3.3 群體空間上的進化：改進的免疫量子進化算法 / 134
6.3.4 信仰空間的設計和作用 / 137
6.4 實驗研究 / 139
6.5 算法的收斂性分析 / 144
6.6 本章總結 / 147
第7章 總結與展望 / 148
7.1 工作的主要創新性成果 / 149
7.2 工作展望 / 153
附錄 部分測試函數 / 156
參考文獻 / 163

本書主要研究將文化進化的思想融入現代計算智能的理論與實踐中，探討如何發掘文化進化和自然進化機制在現代計算智能的理論與實踐中的和諧統一，協同進化以形 的計算方法，並將這些協同進化計算方法應用於函數優化和組合優化等具體問題中，主要包括基於進化規劃的文化算法設計，文化粒子群優化算法，文化蟻群優化算法，文化免疫量子進化算法，以及算法的應用。

劉升,遊曉明 著