基於單點搜索的元啟發式算法（簡體書）

《複雜社會經濟行為建模與管理研究叢書：基於單點搜索的元啟發式算法》共分為7章，主要介紹基於單點搜索的幾類元啟發式（Meta-heuristics）優化算法。第一至第三章為理論基礎部分，對組合優化問題、組合優化問題的求解算法以及元啟發式算法進行介紹。第四至第六章為《複雜社會經濟行為建模與管理研究叢書：基於單點搜索的元啟發式算法》的主要內容，分別介紹三種基於單點搜索的三種元啟發式算法：禁忌搜索（TabuSearch）算法、模擬退火（SimulatedAnnealing）算法、變鄰域搜索（VariableNeighborhoodSearch）算法。第七章介紹了其它四種基於單點搜索的元啟發式算法：迭代局部搜索（ILS，IteratedLocalSearch）、導引式局部搜索（GLS，GuidedLocalSearch）、平滑方法（SmoothingMethod，SM）、噪聲方法（NM，NoisingMethod）。此外，《複雜社會經濟行為建模與管理研究叢書：基於單點搜索的元啟發式算法》的第三章亦介紹了一些典型的、基於群體搜索的元啟發式算法。

《基于單點搜索的元啟發式算法》可供管理科學與工程、系統工程、工業工程、運籌學等專業的碩士研究生和博士研究生閱讀，亦可供從事元啟發式算法研究與應用的人員參考。

元啟發式算法可以以啟發式的形式應用領域特定的知識，這些啟發式則通過更高級別的策略進行控制；當前的更為先進的元啟發式算法常使用搜索經驗（以一些記憶模式來體現）來指導搜索過程。
由上述定義可以看出，元啟發式是一組利用不同啟發式算法探索搜索空間的高級策略。其一個重要的思想就是多樣化（diversification）搜索和集中（intensifi-cation）搜索之間的動態平衡機制。多樣化搜索是指探索搜索空間，而集中搜索則是指利用搜索過程累積的經驗知識在特定的區域進行深度發掘。這種搜索策略一方面可以快速地探索搜索空間中包含高質量解的區域；另一方面又不浪費太多的時間在一些以前探索過的或者不能發現高質量解的區域探索。
元啟發式算法通常被分為基于單點搜索（軌道式）的元啟發式算法和基于多點（群體）搜索的元啟發式算法。前者是本書要著重講述的內容。在第3章，本書將主要對基于多點（群體）搜索的幾類元啟發式算法進行簡單介紹。
2.3.2元啟發式算法的特點
一般情況下，元啟發式算法有如下性質：
（1）實用性：元啟發式算法是以簡單的或者清晰的原理為基礎進行設計的，具有廣泛的實用性。
（2）通用性：元啟發式算法可以用到不同的問題中，各種元啟發式算法應用到特殊問題中需要按照原算法的基本步驟進行。
（3）有效性：元啟發式算法可以對大部分問題求得最優解或近優解。
（4）時效性：元啟發式算法需要在有限的時間內獲得問題的最優解或者近優解。
（5）魯棒性：元啟發式算法需要對于特定問題中的任意實例保證解的有效性和時效性。
（6）人性化：元啟發式算法易于定義，易于理解，最重要的是易于應用，即參數要少，便于操控。
（7）創新性：針對不同的問題通過將策略機制引入元啟發式算法中可以有更好的有效性或者時效性。
元啟發式算法已經被廣泛地應用于各個領域，最常用的元啟發式算法有蟻群算法、粒子群優化算法等，這些算法將會在后面進行介紹。