智能优化算法是基于计算智能的机制、不依赖于问题结构、能求解复杂优化问题最优解或满意解的数值优化方法。目前已经有许多经典的智能优化算法，包括遗传算法、模拟退火算法、粒子群优化算法等，并成功应用于求解各种复杂工程优化问题。状态转移算法是一种基于结构主义学习的新型智能优化算法，它抓住最优化算法的本质、目的和要求，以全局性、最优性、快速性、收敛性、可控性五大核心结构要素为指导思想进行算法设计与理论证明。它的基本思想是将最优化问题的一个解看成一个状态，将解的迭代更新过程看成状态转移过程，利用现代控制理论中的状态空间表达式作为产生候选解的统一框架，基于此框架来设计状态变换算子。本书以智能优化状态转移算法为主要内容，首先介绍了最优化的理论与算法基础，包括经典的局部优化算法和全局优化算法，然后阐述了状态转移算法的基本原理，详细介绍了状态转移算法的演变与提升，包括连续与离散，无约束、约束与多目标状态转移算法的主要思想及MATLAB编程实现；最后从非线性系统辨识、工业过程控制、机器学习与数据挖掘等方面重点介绍了状态转移算法的工程应用。
本书层次分明、逻辑清晰、重点突出，内容深入浅出，可作为自动化、计算机、系统工程、管理科学、应用数学等研究生和高年级本科生的教材，也可供广大研究智能优化算法的科研工作者及相关领域的技术开发人员参考。

第1章 MATLAB概述和程序设计基础
1.1 变量与赋值
1.2 矩阵的运算
1.2.1 代数运算
1.2.2 逻辑运算
1.2.3 比较运算
1.3 基本绘图函数
1.3.1 二维绘图
1.3.2 三维绘图
1.4 程序设计基础
1.4.1 M 文件
1.4.2 程序结构
1.4.3 数据的读取与保存
1.5 MATLAB GUI 编程
1.5.1 handles 结构体
1.5.2 回调函数
1.6 MATLAB 与 Excel 混合编程
参考文献
第2章 最优化理论基础
2.1 最优化问题的分类
2.2 最优化基本概念
2.3 最优化方法性能评估
参考文献
第3章 局部和全局优化算法
3.1 数值优化
3.1.1 解析法与数值法
3.1.2 局部与全局优化
3.2 局部优化算法
3.2.1 梯度下降法与共轭梯度法
3.2.2 牛顿法与拟牛顿法
3.2.3 共轭方向法与交替方向法
3.2.4 算法测试
3.3 全局优化算法
3.3.1 遗传算法
3.3.2 模拟退火算法
3.3.3 粒子群优化算法
3.3.4 差分进化算法
3.3.5 人工蜂群算法
3.3.6 算法测试
参考文献
附录
第4章 连续状态转移算法
4.1 状态转移算法概述
4.2 连续状态转移算法的基本原理
4.2.1 基本状态变换算子
4.2.2 邻域与采样策略
4.2.3 选择和更新策略
4.2.4 交替轮换策略与算法流程
4.2.5 连续状态转移算法的性质
4.3 连续状态转移算法的参数设置与提升
4.3.1 动态连续状态转移算法
4.3.2 参数最优连续状态转移算法
4.4 连续约束状态转移算法
4.4.1 连续约束优化问题数学模型
4.4.2 连续约束优化问题难点初步探讨
4.4.3 约束处理技术
4.4.4 基于连续状态转移算法的约束优化方法
4.4.5 算法的测试及对比
4.5 连续多目标状态转移算法
4.5.1 多目标优化概述
4.5.2 基于 Pareto 占优的多目标状态转移算法
4.5.3 基于分解的多目标状态转移算法
4.5.4 算法的测试及对比
参考文献
附录
第5章 离散状态转移算法
5.1 离散状态转移算法的基本原理
5.1.1 离散状态转移算法的框架
5.1.2 基本离散状态转移算法的实现
5.1.3 基本离散状态转移算法的流程
5.2 离散状态转移算法的参数设置以及提升
5.2.1 原始离散状态转移算法的参数设置
5.2.2 二次状态转移及停止回溯策略
5.2.3 冒险与恢复策略
5.3 离散约束状态转移算法
5.3.1 离散约束优化问题数学模型
5.3.2 离散约束处理机制
5.3.3 离散约束状态转移算法流程
5.3.4 离散状态转移算法在背包问题中的应用
5.4 离散多目标状态转移算法
5.4.1 离散多目标优化问题
5.4.2 基本离散多目标状态转移算法
5.4.3 算法的测试及对比
参考文献
第6章 状态转移算法的工程应用
6.1 连续状态转移算法的工程应用
6.1.1 非线性系统辨识
6.1.2 工业过程优化控制
6.1.3 生产调度
6.1.4 图像处理与机器学习
6.1.5 多属性决策
6.2 离散状态转移算法的工程应用
6.2.1 水资源网络管道优化设计
6.2.2 特征选择
6.2.3 社区发现
参考文献
索引