全局最優(yōu)化：基于遞歸深度群體搜索的新方法

　　《全局**化——基于遞歸深度群體搜索的新方法》介紹全局優(yōu)化算法的基本理論和研究進展，特別聚焦于最近幾年提出的基于遞歸深度群體搜索的一類新方法，并詳細介紹遞歸深度群體搜索技術(shù)在確定性全局優(yōu)化和智能優(yōu)化算法中的具體應用。在確定性全局優(yōu)化中，以DIRECT算法為例，深入介紹了遞歸深度群體搜索的設計原則與技巧；在智能優(yōu)化中，以粒子群優(yōu)化算法為例，介紹了遞歸深度搜索和群體搜索的融合方法及性能提升?！度?*化——基于遞歸深度群體搜索的新方法》提供了全局優(yōu)化算法從入門到精通的各種材料，包括基本概念、基本理論、算法設計原則與技巧、國際通用的測試函數(shù)庫、主流的測試數(shù)據(jù)分析方法和技術(shù)。因此，該書適合于對全局優(yōu)化算法有興趣的高年級本科生、研究生、研究人員以及工程技術(shù)人員。

　　劉群鋒，理學博士，東莞理工學院教授，分別于1999年、2002年在華中科技大學數(shù)學系獲學士、碩士學位，于2011年在湖南大學數(shù)學學院獲博士學位。主要從事全局優(yōu)化、計算智能與機器學習等領(lǐng)域的理論與方法研究。主持國家自然科學基金面上項目、教育部人文社科基金青年項目、廣東省自然科學基金面上項目等科研項目5項，累計研究經(jīng)費超400萬。在相關(guān)領(lǐng)域的主流期刊上發(fā)表論文50余篇。