第1章 緒論1．1 *優化歷史發展1．2 核心問題1．3 本書內容簡介參考文獻第2章 *優化技術概述2．1 *優化技術的歷史2．2 確定性分析方法2．2．1 梯度下降法2．2．2 牛頓一拉普森迭代法2．2．3 Nelder-Mead搜索方法2．3 隨機方法2．3．1 模擬退火算法2．3．2 隨機逼近方法2．4 進化算法2．4．1 遺傳算法2．4．2 差分進化算法參考文獻第3章 粒子群優化算法3．1 引言3．2 基本粒子群優化算法3．3 粒子群優化算法的一些變體形式3．3．1 部落3．3．2 多群3．4 應用領域3．4．1 非線性函數*小化3．4．2 數據聚類3．4．3 人工神經網絡3．5 程序注解與軟件開發包參考文獻第4章 多維粒子群優化算法4．1 多維度研究的需要4．2 基本思想4．3 多維粒子群優化算法4．4 程序注解與軟件包4．4．1 PSO_MDlib應用程序中的多維粒子群優化操作4．4．2 PSOTestApp應用程序中的多維粒子群優化操作參考文獻第5章 改進全局收斂性5．1 分形全局*優構建5．1．1 研究動機5．1．2 基于FGBF的粒子群優化5．1．3 基于FGBF的多維粒子群優化5．1．4 非線性函數*小化5．2 動態環境的*優化方法5．2．1 動態環境：試驗臺5．2．2 多群粒子群優化5．2．3 基于FGBF的移動峰問題的移動峰基準5．2．4 多維移動峰函數的優化5．2．5 常規移動峰函數性能評估5．2．6 多維移動峰函數性能評估5．3 誰將指導指南5．3．1 隨機擾動同時逼近方法概述5．3．2 同時逼近驅動的粒子群優化和多維粒子群優化算法5．3．3 非線性函數*小化的應用5．4 回顧與總結5．5 程序注解與軟件包5．5．1 FGBF在PSO MDlib應用程序中的操作5．5．2 分形全局*優構建多維粒子優化在MPB中的應用參考文獻第6章 動態數據聚類第7章 進化人工神經網絡第8章 個體心電圖分類第9章 基于兩類分類器集合網絡的圖像分類與檢索第10章 演進特征的綜合