随着科学技术的进步，在现实中遇到的问题变得越来越复杂，如何有效地解决是经常面临的一个问题。因此，国内外众多研究者在不断地研究和探索，而智能优化算法已成为重要的研究方向。本书介绍了*经典、*受欢迎的9种智能优化算法的基本原理、算法流程、算法的不足与改进及网络安全领域的应用，并给出了仿真测试实例，包括遗传算法、差分进化算法、蚁群算法、粒子群算法、人工蜂群算法、灰狼优化算法、鲸鱼优化算法、模拟退火算法和头脑风暴优化算法。
本书介绍了9种*经典的、*受欢迎的智能优化算法，共分为10章，第1章概述智能优化算法，梳理了100多种智能优化算法并进行了分类重点介绍，第2~10章详细介绍了遗传算法、差分进化算法、蚁群算法、粒子群算法、人工蜂群算法、灰狼优化算法、鲸鱼优化算法、模拟退火算法和头脑风暴优化算法，包括算法简介、基本理论、算法流程、算法的不足与改进、网络安全领域的应用，并给出了仿真测试实例。
优化是为一组决策变量找到组合以解决某个问题的过程。优化出现在许多领域、不同的学科和无数的应用中。在现实中遇到的大量应用问题变得越来越复杂，且很难找到全局解决方案。因此，许多算法试图解决这类问题，国内外众多研究者在不断地研究和探索，而智能优化算法已成为重要的研究方向。有关智能优化算法发表的论文数量、网上的信息资源，应用广度和深度近年来得到快速发展，并在优化计算、模式识别、机器学习、人工智能、网络安全、信号与图像处理、自动控制、机械工程、电气工程、通信工程、生物医学工程、经济管理等众多领域取得了成功应用。
本书介绍了9种经典的、受欢迎的智能优化算法，共分为10章，第1章概述智能优化算法，梳理了100多种智能优化算法并进行了分类重点介绍，第2~10章详细介绍了遗传算法、差分进化算法、蚁群算法、粒子群算法、人工蜂群算法、灰狼优化算法、鲸鱼优化算法、模拟退火算法和头脑风暴优化算法，包括算法简介、基本理论、算法流程、算法的不足与改进、网络安全领域的应用，并给出了仿真测试实例。
本书的编写得到了甘肃省高等学校项目、甘肃政法大学、网络空间安全学院以及甘肃政法大学网络空间安全省级重点学科的资助，作者在此表示衷心的感谢。书中参考了许多学者的研究成果，在此一并表示诚挚的谢意。由于编者水平有限，书中难免存在不足和疏漏，恳请读者批评指正。
张生财2020年5月
2006.92009.7 兰州理工大学 工学硕士2016.9现在 兰州理工大学 博士在读2009.7现在 甘肃政法大学 从事教学科研工作在国内外学术期刊上发表论文13篇，其中EI索引5篇，参与国家自然科学基金项目2项、国家社科基金项目1项，主持甘肃省高校项目1项。
第1章绪论………………………………………………………………………1
1.1概述 1
1.2进化类算法 3
1.3群智能算法 5
1.4仿物理学优化算法 10
1.5仿人智能优化算法 11
参考文献 12
第2章遗传算法…………………………………………………………………21
2.1引言 21
2.2遗传算法理论 22
2.2.1遗传算法的生物学基础 22
2.2.2遗传算法理论基础 22
2.2.3遗传算法的基本概念 24
2.2.4遗传算法的特点 26
2.3遗传算法流程及关键参数设置 27
2.3.1标准遗传算法 27
2.3.2遗传算法基本流程 27
2.3.3遗传算法关键参数设置 28
2.4遗传算法的改进 29
2.4.1遗传算法存在的问题 29
2.4.2遗传算法的改进方法 29
2.5网络安全领域应用及仿真测试实例 32
参考文献 40
第3章差分进化算法……………………………………………………………42
3.1引言42
3.2差分进化算法理论42
3.2.1差分进化算法的原理42
3.2.2差分进化算法的特点43
3.2.3基本的差分进化算法43
3.2.4差分进化算法的其他形式44
3.3差分进化算法流程及关键参数设置46
3.3.1差分进化算法流程46
3.3.2差分进化算法关键参数设置46
3.4差分进化算法的改进47
3.4.1差分进化算法存在的问题47
3.4.2差分进化算法的改进策略49
3.5网络安全领域应用及仿真测试实例53
参考文献61
第4章蚁群算法…………………………………………………………………67
4.1引言67
4.2蚁群算法理论68
4.2.1蚁群的抽象68
4.2.2真实蚁群的觅食过程68
4.2.3人工蚁群的优化过程70
4.2.4真实蚂蚁与人工蚂蚁的异同70
4.2.5蚁群算法的特点71
4.3基本蚁群算法流程及关键参数设置71
4.3.1基本蚁群算法流程71
4.3.2蚁群算法关键参数设置73
4.4蚁群算法的改进74
4.4.1蚁群算法存在的问题74
4.4.2蚁群算法的改进算法75
4.5网络安全领域应用及仿真测试实例77
参考文献85
第5章粒子群算法………………………………………………………………87
5.1引言87
5.2粒子群算法理论88
5.2.1粒子群算法描述88
5.2.2粒子群算法建模88
5.2.3粒子群算法的特点88
5.3粒子群算法流程89
5.3.1基本粒子群算法89
5.3.2标准粒子群算法89
5.3.3粒子群算法基本流程90
5.3.4粒子群算法参数设置91
5.4粒子群算法的改进92
5.4.1粒子群算法存在的问题92
5.4.2粒子群算法的改进算法93
5.5网络安全领域应用及仿真测试实例97
参考文献108
第6章人工蜂群算法……………………………………………………………111
6.1引言111
6.2人工蜂群算法理论112
6.2.1人工蜂群算法的原理112
6.2.2人工蜂群算法的描述114
6.2.3人工蜂群算法的特点115
6.3人工蜂群算法流程及参数设置115
6.3.1人工蜂群算法流程115
6.3.2人工蜂群算法参数设置116
6.4人工蜂群算法的改进116
6.4.1人工蜂群算法存在的问题116
6.4.2人工蜂群算法的改进算法117
6.5网络安全领域应用及仿真测试实例120
参考文献130
第7章灰狼优化算法……………………………………………………………135
7.1引言135
7.2灰狼优化算法理论135
7.2.1灰狼的社会等级及狩猎行为135
7.2.2灰狼优化算法的数学描述136
7.3灰狼优化算法流程及参数设置139
7.3.1灰狼优化算法流程139
7.3.2灰狼优化算法参数设置140
7.4灰狼优化算法的改进140
7.4.1灰狼优化算法存在的问题140
7.4.2灰狼优化算法的改进算法141
7.5网络安全领域应用及仿真测试实例146
参考文献155
第8章鲸鱼优化算法……………………………………………………………161
8.1引言161
8.2鲸鱼优化算法理论161
8.2.1鲸鱼的觅食行为161
8.2.2鲸鱼优化算法的原理162
8.2.3鲸鱼优化算法的数学模型162
8.3鲸鱼优化算法流程及参数设置165
8.3.1鲸鱼优化算法流程165
8.3.2鲸鱼优化算法参数设置166
8.4鲸鱼优化算法的改进167
8.4.1鲸鱼优化算法存在的问题167
8.4.2鲸鱼优化算法的改进算法168
8.5网络安全领域应用及仿真测试实例173
参考文献181
第9章模拟退火算法……………………………………………………………183
9.1引言183
9.2模拟退火算法理论184
9.2.1物理退火过程184
9.2.2模拟退火原理184
9.2.3模拟退火算法思想185
9.2.4模拟退火算法的特点185
9.3模拟退火算法流程及关键参数设置186
9.3.1模拟退火算法流程186
9.3.2模拟退火算法关键参数设置187
9.4模拟退火算法的改进188
9.4.1模拟退火算法存在的问题188
9.4.2模拟退火算法的改进算法188
9.5网络安全领域应用及仿真测试实例190
参考文献198
第10章头脑风暴优化算法………………………………………………………200
10.1引言200
10.2头脑风暴优化算法理论201
10.2.1头脑风暴优化算法的基本思想201
10.2.2头脑风暴过程的描述202
10.2.3头脑风暴优化算法的特点203
10.3头脑风暴优化算法流程及参数设置203
10.3.1基本头脑风暴优化算法203
10.3.2头脑风暴优化算法流程206
10.3.3头脑风暴优化算法参数设置207
10.4头脑风暴优化算法的改进209
10.4.1头脑风暴优化算法存在的问题209
10.4.2头脑风暴优化算法的改进算法209
10.5网络安全领域应用及仿真测试实例212
参考文献222
书单推荐
