现代优化计算方法导论：模型、理论与应用

"现代优化计算方法" 在信息时代，科学技术的发展和数学理论的渗透使得最优化理论和技术在社会的诸多方面起着越来越大的作用。《现代优化计算方法》一书系统介绍了禁忌搜索、模拟退火、遗传算法、人工神经网络和拉格朗日松弛等现代优化计算方法的模型和理论、应用技术和应用案例。 本书共6章，第1章介绍算法复杂性的基本概念和启发式算法的评价方法，后5章分别介绍各个现代优化计算方法。这些方法可以应用于数学、管理科学、计算机科学、工业工程等学科中相关优化专业的研究生教学。 禁忌搜索是一种启发式搜索算法，它可以用来解决组合优化问题。该方法通过定义禁忌表，避免搜索过程中重复访问已经访问过的解，从而提高搜索效率。 模拟退火是一种基于概率的优化算法，它可以用来解决非线性优化问题。该方法通过模拟退火过程，逐渐降低搜索空间的尺度，找到近似的最优解。 遗传算法是一种基于进化论的优化算法，它可以用来解决复杂优化问题。该方法通过模拟自然选择和遗传变异，搜索出最优解。 人工神经网络是一种基于机器学习的优化算法，它可以用来解决复杂优化问题。该方法通过训练人工神经网络，学习优化问题的模式，从而找到最优解。 拉格朗日松弛是一种基于数学规划的优化算法，它可以用来解决约束优化问题。该方法通过定义拉格朗日函数，转化约束优化问题为无约束优化问题，从而找到最优解。 这些现代优化计算方法可以应用于解决实际生活中的优化问题，如结构设计、资源分配、安排运输方案、编制生产计划等。通过这些方法，可以提高解决问题的效率和准确性，降低成本和时间。 《现代优化计算方法》一书为读者提供了现代优化计算方法的模型和理论、应用技术和应用案例，能够帮助读者更好地了解和应用这些方法，提高解决实际问题的能力。