当前，市面上虽然存在一些关于元启发式优化算法的书籍，但大多聚焦于较为陈旧的算法，对于近十年间流行的元启发式优化算法及其在通信领域实际问题中的应用介绍几乎不可见。该书则旨在以实践和快速教学为导向，通过探讨8个典型的通信领域中大规模非线性整数规划问题，结合8个新型元启发式优化算法，帮助读者深刻理解元启发式算法的设计理念以及代码实现的逻辑，从而提升运用元启发式优化算法解决通信领域现实复杂问题的能力。
该书涉及信息与通信工程、计算机科学与技术等多学科，即涉及交叉学科；内容涉及人工智能领域新算法与通信领域前沿技术，涉及Matlab元启发式算法应用开发。
《元启发式计算迁移优化算法教程》深入剖析了元启发式优化算法的构思过程，致力于使读者能迅速领会各章节中针对通信领域各类问题的算法设计原理，每章均以实例演示算法运作，确保读者能有效掌握算法的核心理念。书中涵盖了8类大型非线性整数规划问题，这些问题构成了当前众多学术研究的基石。此外，这些算法具有极强的可扩展性，适用于读者未来的研究项目。书中提供的Matlab源代码灵活性高，便于读者进行深入探索和功能扩展。
1 绪论
1.1 智能优化算法
1.2 移动边缘计算
1.3 本书的主要内容
2 遗传算法
2.1 遗传算法概述
2.2 遗传算法的基本进化机制
2.3 遗传算法的基本工作流程
2.4 遗传算法理论分析
2.5 基本遗传算法的MEC应用案例
3 粒子群优化算法
3.1 粒子群优化算法概述
3.2 标准粒子群优化算法
3.3 粒子群优化算法理论分析
3.4 标准粒子群优化算法的MEC应用案例
3.5 粒子群优化MEC代码
4 鲸鱼优化算法
4.1 鲸鱼优化算法概述
4.2 标准鲸鱼优化算法
4.3 鲸鱼优化算法的收敛性分析
4.4 鲸鱼优化算法的参数选择研究
4.5 鲸鱼优化算法的MEC应用案例
5 免疫算法
5.1 免疫算法的生物背景
5.2 免疫算法概述
5.3 免疫算法理论分析
5.4 免疫算法收敛性分析
5.5 基本免疫算法的MEC应用案例
6 水波优化算法
6.1 水波优化算法概述
6.2 水波优化算法模型
6.3 水波优化基本算法
6.4 水波优化算法的收敛性分析
6.5 水波优化算法的超密集MEC网络应用案例
7 蚁群优化算法
7.1 蚁群优化算法的生物背景
7.2 蚁群优化算法特点
7.3 蚁群优化算法基本原理
7.4 改进的蚁群优化算法
7.5 蚁群优化算法收敛性证明
7.6 蚁群优化算法系统模型
7.7 蚁群优化算法安全模型
7.8 蚁群优化算法计算模型
7.9 蚁群优化解法应用实例
8 布谷鸟搜索算法
8.1 布谷鸟搜索算法概述
8.2 布谷鸟搜索算法的进化机制
8.3 布谷鸟搜索算法的工作流程
8.4 布谷鸟搜索算法的收敛性证明
8.5 基本布谷鸟搜索算法的MEC应用案例
9 人工鱼群算法
9.1 人工鱼群算法概述
9.2 人工鱼群算法的基本思想
9.3 人工鱼群算法的收敛性证明
9.4 人工鱼群算法在MEC中的应用
参考文献
书单推荐
