伍国华，博士，中南大学交通运输工程学院教授，博士生导师，复杂系统智能决策研究所所长，物流工程系书记，湖南省杰出青年基金获得者，湖南省系统仿真学会副理事长。本科、硕士和博士毕业于国防科技大学，是加拿大阿尔伯塔大学访问学者。获中国仿真学会技术创新一等奖，吴文俊人工智能自然科学二等奖等多项奖励，曾荣立三等功一次。研究方向为智能优化与决策、调度理论及应用、智能交通与物流系统。在IEEE Transactions onCybernetics 和IEEE Transactions on Systems,Man and Cybernetics:Systems等权威期刊发表高水平论文80余篇。主持国家重大专项、创新特区、装备预研、青年和面上基金等20余项课题。担任Swarn andEvolutionary Computation等国际期刊的副主编和编委，Information Sciences和IEEEJournal of Selected Topics in Applied EarthObservations and Remote Sensing等期刊的客座编辑。

第1章 绪论
1.1 背景介绍
1.2 内容安排
1.3 智能优化算法研究现状
1.3.1 智能优化算法发展简述
1.3.2 粒子群优化算法
1.3.3 蚁群优化算法
1.3.4 利用问题领域知识提高智能优化算法的性能
1.3.5 参数优化设置提高智能优化算法的性能
1.3.6 搜索策略融合提高智能优化算法的性能
第2章 基于变量约简的智能优化算法设计
2.1 求解无约束一阶可导连续优化问题的变量约简策略
2.1.1 变量约简策略
2.1.2 针对测试优化函数仿真实验
2.1.3 针对实际优化问题的仿真实验
2.2 求解等式约束优化问题的变量约简策略
2.2.1 约束优化问题
2.2.2 等式约束和变量约简策略
2.2.3 仿真实验研究
2.3 处理有效不等式约束的局部搜索策略
2.3.1 基于变量关系的局部搜索
2.3.2 仿真实验研究
2.4 总结
第3章 融合数学规划方法的粒子群优化算法
3.1 粒子群算法中的全局搜索和局部搜索能力分析
3.2 综合学习搜索策略
3.3 局部搜索策略
3.3.1 BFGS和DFP高斯牛顿法
3.3.2 单纯形搜索
3.3.3 模式搜索法
3.4 基于个体层的变异搜索策略
3.5 搜索策略动态融合的粒子群算法框架
3.6 仿真实验研究
3.6.1 实验设置
3.6.2 实验结果
3.7 总结
第4章 跨邻域搜索算法
4.1 跨邻域搜索算法
4.1.1 跨邻域搜索算法的动机
4.1.2 跨邻域搜索算法的搜索策略
4.1.3 跨邻域搜索算法与其他智能优化算法在优化机制上的比较
4.1.4 仿真实验研究
4.2 参数自适应跨邻域搜索算法
4.2.1 参数自适应策略
4.2.2 仿真实验研究
4.3 总结
第5章 基于变量约简策略的电力系统智能优化
5.1 电力系统中的约束优化问题
5.2 变量约简策略
5.3 变量约简策略在大规模输电优化定价问题中的应用
5.3.1 输电定价优化问题的定义
5.3.2 输电定价优化问题的变量约简
5.4 变量约简策略在静态及动态负荷优化分配问题中的应用
5.4.1 静态及动态负荷优化分配问题的定
，5.4.2 静态及动态负荷优化分配问题的变量约简
5.5 仿真实验研究
5.5.1 变量约简策略对优化问题求解的影响
5.5.2 与其他有效方法的比较
5.6 总结
第6章 基于自适应模拟退火算法的对地观测资源协同规划
6.1 异构对地观测资源协同规划需求
6.2 异构对地观测资源协同规划问题
6.2.1 观测任务
6.2.2 观测资源
6.3 传统规划框架
6.3.1 孤立规划框架
6.3.2 集中式规划框架
6.4 多Agent协同规划框架
6.4.1 多Agent规划框架概述
6.4.2 多Agent规划框架的组成
6.4.3 多Agent规划框架的优势
6.5 多Agent框架的协同规划流程
6.6 协同任务分配模型和自适应模拟退火算法
6.6.1 任务分配的启发式准则
6.6.2 任务分配模型
6.6.3 参数自适应的模拟退火协同任务分配算法
6.7 仿真实验研究
6.7.1 实验设置
6.7.2 不同任务分配算法的比较
6.7.3 不同协同框架的比较
6.8 扰动处理机制
6.9 总结
第7章 基于混合蚁群优化算法的多星观测调度
7.1 卫星观测调度问题
7.2 任务聚类模型和算法
7.2.1 任务聚类约束
7.2.2 任务聚类的模型和算法
7.3 多星观测调度模型
7.3.1 卫星观测调度的整数规划模型
7.3.2 卫星观测调度的无环有向图模型
7.4 结合局部搜索策略的混合蚁群优化算法
7.4.1 可行解构造过程
7.4.2 局部搜索策略
7.4.3 信息素更新规则
7.5 仿真实验研究
7.5.1 实验设置
7.5.2 仿真实验结果
7.5.3 ACO—LS与其他调度算法的比较
7.5.4 任务聚类策略对成本一收益的影响
7.6 总结
第8章 未来工作展望
参考文献