現(xiàn)代優(yōu)化計算方法（清華大學(xué)研究生公共課教材）

第1章 概論
  1.1 組合最優(yōu)化問題
  1.2 計算復(fù)雜性的概念
  1.3 鄰域的概念
  1.4 啟發(fā)式算法
  1.5 NP,NP完全和NP難
  1.6 多項式時間迫近格式
  1.7 小結(jié)
  練習(xí)題
  參考文獻(xiàn)
第2章 禁忌搜索算法
  2.1 局部搜索
  2.2 禁忌搜索
  2.3 技術(shù)問題
  2.4 應(yīng)用案例——圖節(jié)點著色和車間作業(yè)排序
  練習(xí)題
  參考文獻(xiàn)
第3章 模擬退火算法
  3.1 模擬退火算法及模型
  3.2 馬爾可夫鏈
  3.3 時齊算法的收斂性
  3.4 非時齊算法收斂性簡介
  3.5 實現(xiàn)的技術(shù)問題
  3.6 應(yīng)用案例——下料問題
  練習(xí)題
  參考文獻(xiàn)
第4章 遺傳算法
  4.1 遺傳算法
  4.2 模板理論
  4.3 馬爾可夫鏈?zhǔn)諗糠治?br />  4.4 實現(xiàn)的技術(shù)問題
  4.5 遺傳模擬退火算法
  4.6 應(yīng)用案例——生產(chǎn)批量問題
  練習(xí)題
  參考文獻(xiàn)
第5章 蟻群優(yōu)化算法
  5.1 蟻群優(yōu)化算法的概念
  5.2 算法模型和收斂性分析
  5.3 技術(shù)問題
  5.4 應(yīng)用案例——醫(yī)學(xué)診斷的數(shù)據(jù)挖掘
  練習(xí)題
  參考文獻(xiàn)
第6章 人工神經(jīng)網(wǎng)絡(luò)
  6.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
  6.2 單層前向神經(jīng)網(wǎng)絡(luò)
  6.3 多層前向神經(jīng)網(wǎng)絡(luò)
  6.4 競爭學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
  6.5 反饋型神經(jīng)網(wǎng)絡(luò)
  練習(xí)題
  參考文獻(xiàn)
第7章 拉格朗日松弛算法
  7.1 基于規(guī)劃論的松弛方法
  7.2 拉格朗日松弛理論
  7.3 拉格朗日松弛的進(jìn)一步討論
  7.4 拉格朗日松弛算法
  7.5 應(yīng)用案例——能力約束單機(jī)排序問題
  練習(xí)題
  參考文獻(xiàn)
  索引