《面向复杂优化问题求解的智能优化方法》首先从一般优化问题求解的角度，论述了优化问题的研究意义、优化研究中的基本概念与数学模型、优化问题的分类与求解方法运用原则，并介绍了智能优化的概念、方法分类以及发展历史。然后介绍了8类典型智能优化方法的基本思想、概念和原理、步骤流程、典型的算法变体以及算法的扩展与改进设计等内容。从共性理论与方法角度出发，介绍了智能优化方法的统一框架、探索一开发权衡理论，并介绍了典型的混合智能优化算法以及通用的混合策略分类法。在应用方面，针对多类典型的、具有不同难度特征的优化问题，分别介绍了智能优化方法在这些问题求解中的设计与运用方法。这些问题提炼于作者长期从事的与先进火力与指挥控制系统相关的科研实践。
　　《面向复杂优化问题求解的智能优化方法》可供自动化、计算机、系统工程、信息处理、运筹与管理、应用数学等专业的教师以及相关领域的技术开发人员参考，也可作为相关专业的高年级本科生和研究生的教材。

第1章 绪论
1．1 最优化问题的研究意义
1．2 优化问题的基本概念与数学模型
1．3 优化问题的分类与求解方法运用原则
1．3．1 解的分类
1．3．2 目标的分类
1．3．3 约束的分类
1．3．4 优化问题的分类谱系
1．3．5 问题规模与计算复杂性
1．3．6 求解方法的运用原则与搜索优化算法的一般流程
1．4 智能优化的概念
1．5 智能优化方法的分类
1．6 智能优化研究的发展历史
问题与思考
参考文献

第2章 典型智能优化方法
2．1 伪随机数的生成
2．1．1 均匀分布的伪随机数
2．1．2 任意概率分布的伪随机数
2．2 混沌迭代与混沌搜索算法
2．3 模拟退火算法
2．3．1 模拟退火算法的原理
2．3．2 模拟退火算法的基本结构
2．3．3 多目标模拟退火算法
2．4 禁忌搜索算法
2．4．1 禁忌搜索算法的基本思想
2．4．2 禁忌搜索算法流程
2．5 遗传算法
2．5．1 遗传算法的基本概念和思想
2．5．2 遗传算法的改进研究、经典变体及其应用
2．6 差分进化算法
2．6．1 传统差分进化算法
2．6．2 差分进化算法的先进变体
2．7 分布估计算法
2．7．1 分布估计算法的思想与算法流程
2．7．2 离散型分布估计算法
2．7．3 连续型分布估计算法
2．7．4 动态环境下的分布估计算法
2．7．5 多目标分布估计算法
2．7．6 分布估计算法的应用
2．8 蚁群优化算法
2．8．1 蚁群算法的思想起源
2．8．2 基本蚁群算法原理
2．8．3 改进蚁群算法
2．9 粒子群优化算法
2．9．1 粒子群优化算法的相关背景
2．9．2 经典粒子群优化算法
2．9．3 新型粒子群优化算法
问题与思考
参考文献

第3章 智能优化方法的统一框架与共性理论
3．1 智能优化方法的统一框架
3．2 智能优化方法的收敛性分析
3．2．1 收敛性与全局收敛性的定义
3．2．2 全局收敛性定理
3．2．3 关于收敛性的讨论
3．3 搜索空间的探索一开发权衡
3．3．1 探索与开发的定义与权衡方式
3．3．2 探索一开发权衡的多阶段随机压缩模型
3．4 总结与讨论
问题与思考
参考文献

第4章 混合型智能优化方法
4．1 文化基因算法
……
第5章 智能优化方法在作战资源部署问题中的应用
第6章 智能优化方法在作战资源分配问题中的应用
第7章 智能优化方法在运动体路径规划问题中的应用