物流實用優化技術（簡體書）

優化技術就是在滿足約束條件的可行解集合內尋求全局最優解、局部最優解的過程中所應用的理論與方法，涉及運籌學理論與計算機技術等多學科的交叉領域，具體包括數學建模、約束處理、算法設計以及程序設計等環節。本書是圍繞上述優化過程的核心環節——算法設計來進行闡述的。數學建模與程序設計環節的內容將在本書的優化技術基礎中簡單闡述，有關這兩方面的更詳盡的內容需參考相應的運籌學與計算機編程技術書籍。約束處理方面的內容在本書相應的章節中也得以體現。 本書可作為物流工程與管理（082322）、交通運輸規劃與管理（082303）、管理科學與工程（1201）、工商管理（1202）等相關學科與專業的研究生教材，也可作為MBA以及相關專業的高年級本科生的參考教材，還可供對優化技術感興趣的人士研讀。

靳志宏，男，1963年生。東北大學工學學士、東北大學工學碩士、名古屋工業大學工學博士，大連海事大學教授、博士生導師、物流工程與管理學科帶頭人、物流系統工程研究中心主任。曾任職于中國東北大學、日本名古屋工業大學；入選“遼寧省百千萬人才工程”百層次人才。
主持的主要科研項目包括：日本文部科學省基盤研究項目[（C）（2）N0．0968042；（C）（2）N0.14580477]、中國國家自然科學基金項目（70571086；70572104）、教育部博士點基金項目（20070151002）、教育部留學回國基金項目、遼寧省自然科學基金項目（20052140）以及港航物流企業等橫向項目。
主要研究論文發表在英文、日文、中文期刊上。包括：Computer 8L In—dustrial Engineerin9、Production and Operation Management、Asia-PacificJournal of Operational Research、Japan Society of Mechanical Engineers、Ap—plied Mathematics and Computation、International Journal of Production Eco-nomics、International Journal of Information and Management Science、Inter—national Journal of Logistics and SCM Systems、日本経營工學會穩、日本復旦學報、湖南大學學報、東北大學學報、大連海事大學學報、武漢理工大學學報、交通運輸工程學報、中國管理科學、中國航海、系統工程等。
目前主要學術兼職包括：Regional Editor of《International Journal of L0—gistics&SCM Systems》；Members of the Editorial Board of《International　Journal of Shipping and Transport Logistics》；教育部高等學校物流類專業教學指導委員會委員；遼寧航海學會物流分會委員會主任等。

1　優化問題與優化技術
　1.1　優化問題
1.1.1　現實中的優化問題
1.1.2　優化問題分類
　1.2　優化技術
1.2.1　可行解、局部最優解與全局最優解
1.2.2　數學建模
1.2.3　約束處理
1.2.4　算法設計
1.2.5　程序設計
2　優化技術基礎
　2.1　最優化理論
2.1.1　凸集及其性質
2.1.2　凸組合及其性質
2.1.3　凸函數及其性質
2.1.4　凸規劃及其性質
　2.2　計算復雜性理論
2.2.1　組合優化與組合爆炸
2.2.2　算法與計算量
2.2.3　計算量與計算復雜性
2.2.4　計算復雜性與優化問題解法
3　優化算法的設計與評價
　3.1　優化算法的設計
3.1.1　優化算法及其分類
3.1.2　優化算法的描述
3.1.3　啟發式算法策略
3.1.4　啟發式算法求解過程
　3.2　優化算法的評價
3.2.1　時間性能評價
3.2.2　近似性能評價
3.2.3　魯棒性能評價
3.2.4　綜合性能評價
4　傳統的啟發式算法
　4.1　構筑算法及其應用
4.1.1　構筑算法
4.1.2　構筑算法應用
　4.2　改善算法及其應用
4.2.1　改善算法
4.2.2　改善算法應用
5　改進的啟發式算法
　5.1　改進的構筑算法
5.1.1　構筑算法的局限性
5.1.2　構筑算法的改進型
　5.2　改進的改善算法
5.2.1　改善算法的局限性
5.2.2　改善算法的改進型
6　模擬退火算法
　6.1　模擬退火算法概述
　6.2　模擬退火算法參數
6.2.1　初始溫度的選取
6.2.2　溫度下降的方法
6.2.3　內循環長度的選取
6.2.4　算法的停止準則
　6.3　改進的模擬退火算法
6.3.1　增加記憶功能
6.3.2　模擬退火算法的新解產生
　6.4　模擬退火算法在離散優化問題中的應用
　6.5　模擬退火算法在連續優化問題中的應用
7　禁忌搜索
　7.1　禁忌搜索算法概述
　7.2　禁忌搜索算法收斂性分析
　7.3　禁忌搜索的參數實現
　7.4　禁忌搜索算法的實際應用
8　進化計算
　8.1　進化計算的基本框架
　8.2　遺傳算法
8.2.1　遺傳算法的基本結構
8.2.2　遺傳算法的實現技術
8.2.3　遺傳算法的理論分析
　8.3　進化計算的其他形式
8.3.1　演化策略
8.3.2　進化規劃
　8.4　進化計算的應用
8.4.1　進化計算的應用領域
8.4.2　進化計算求解連續優化問題
8.4.3　進化計算求解組合優化問題
9　人工神經網絡
　9.1　人工神經元網絡
9.1.1　神經元的功能原理
9.1.2　神經元模型
9.1.3　人工神經網絡的學習方法
9.1.4　人工神經網絡的特點
9.1.5　人工神經網絡的主要研究方向
　9.2　BP神經網絡
9.2.1　多層感知網絡
9.2.2　BP網絡
9.2.3　BP算法的改進
9.2.4　BP網絡的結構參數
9.2.5　BP網絡的應用
　9.3　Hopfield網絡
9.3.1　離散H0pfield網絡
9.3.2　連續Hopfield網絡
9.3.3　Hopfield網絡在求解旅行商問題中的應用
10　蟻群算法
　10.1　蟻群覓食規則
　10.2　蟻群算法的數學模型
　10.3　蟻群算法的基本程序
　10.4　蟻群算法的改進
　10.5　蟻群算法的應用
10.5.1　問題描述
10.5.2　插裝優化問題建模
10.5.3　蟻群算法的開發
10.5.4　實證實驗
11　混合算法
　11.1　混合優化的機制與策略
11.1.1　混合優化基本機制
11.1.2　混合優化基本策略
　11.2　精確解算法之間的混合算法
　11.3　精確解算法與啟發式算法的混合算法
　11.4　傳統與現代啟發式算法的混合算法
　11.5　現代啟發式算法之間的混合算法
附錄1　BP網絡應用問題示例的基本數據
附錄2　實驗對象PCB的基本數據
附錄3　18個基準測試問題
參考文獻