**人工智能：智能优化算法优化问题是指在满足一定条件下，在众多方案或参数值中寻找最优方案或参数值，以使得某个或多个功能指标达到最优，或使系统的某些性能指标达到最大值或最小值。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。优化方法是一种以数学为基础，用于求解各种优化问题的应用技术。各种优化方法在上述领域得到了广泛应用，并且已经产生了巨大的经济效益

**人工智能：遗传算法稀布阵列天线****1 遗传算法**自然界的生物体在遗传、选择和变异等一系列作用下，优胜劣汰，不断地由低级向高级进化和发展，人们将这种“适者生存”的进化规律的实质加以模式化而构成一种优化算法，即进化计算。进化计算是一系列的搜索技术，包括遗传算法、进化规划、进化策略等。它们在函数优化、信号处理、模式识别、机器学习、作业调度、智能控制等众多领域都有着广泛的应用。其中，遗传算法是进

差分进化算法在遗传、选择和变异的作用下，自然界生物体优胜劣汰，不断由低级向高级进化和发展。人们注意到，适者生存的进化规律可以模式化，从而构成一些优化算法；近年来发展的进化计算类算法受到了广泛的关注。差分进化算法（Differential Evolution，DE）是一种新兴的进化计算技术。它是由Storn等人于1995年提出的，其最初的设想是用于解决切比雪夫多项式问题，后来发现它也是解决复杂优化问

循环神经网络循环神经网络（recurrent neural network，RNN）源自于1982年由John Hopfield提出的霍普菲尔德网络。霍普菲尔德网络因为实现困难，在其提出的时候并且没有被合适地应用。该网络结构也于1986年后被全连接神经网络以及一些传统的机器学习算法所取代。传统的机器学习算法非常依赖于人工提取的特征，使得基于传统机器学习的图像识别、语音识别以及自然语言处理等问题存在

卷积神经网络1962年，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时，发现其独特的局部互连网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks，CNN）。1980年，Fukushima基于神经元间的局部连通性和图像的层次组织转换，为解决模式识别问题，提出的新识别机是卷积神经网络的第一个实现网络。随

循环神经网络循环神经网络（recurrent neural network，RNN）源自于1982年由John Hopfield提出的霍普菲尔德网络。霍普菲尔德网络因为实现困难，在其提出的时候并且没有被合适地应用。该网络结构也于1986年后被全连接神经网络以及一些传统的机器学习算法所取代。传统的机器学习算法非常依赖于人工提取的特征，使得基于传统机器学习的图像识别、语音识别以及自然语言处理等问题存在

近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，不少智能优化方法不断涌现，例如：进化类算法、群智能算法、模拟退火算法、禁忌搜索算法和神经网络算法等。因其独特的优点和机制，这些算法得到了国内外学者的广泛关注，掀起了研究热潮，在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法

差分进化算法在遗传、选择和变异的作用下，自然界生物体优胜劣汰，不断由低级向高级进化和发展。人们注意到，适者生存的进化规律可以模式化，从而构成一些优化算法；近年来发展的进化计算类算法受到了广泛的关注。差分进化算法（Differential Evolution，DE）是一种新兴的进化计算技术。它是由Storn等人于1995年提出的，其最初的设想是用于解决切比雪夫多项式问题，后来发现它也是解决复杂优化问

蚁群算法在自然界中各种生物群体显现出来的智能近几十年来得到了学者们的广泛关注，学者们通过对简单生物体的群体行为进行模拟，进而提出了群智能算法。其中，模拟蚁群觅食过程的蚁群优化算法（Ant Colony Optimization，ACO）和模拟鸟群运动方式的粒子群算法（Particle Swarm Optimization，PSO）是两种最主要的群智能算法。蚁群算法是一种源于大自然生物世界的新的仿生

免疫算法Immune（免疫）是从拉丁文衍生而来的。很早以前，人们就注意到传染病患者痊愈后，对该病会有不同程度的免疫力。在医学上，免疫是指机体接触抗原性异物的一种生理反应。1958年澳大利亚学者Burnet率先提出了与免疫算法（Immune Algorithm，IA）相关的理论——克隆选择原理。1973年Jerne提出免疫系统的模型，他基于Burnet的克隆选择学说，开创了独特型网络理论，给出了免疫