算法引论第2章递归与分治策略第3章动态规划第4章贪心算法第5章回溯法第6章分支限界法第7章概率算法

四章动态规划法第七章符号串第八章NP完全性理论第九章概率算法第十章数据压缩算法第十一章公钥密码学基础

，包含：信号处理时频局部化问题、框架理论、小波变换、小波包算法、局部正余弦、以及小波在数值分析中的

线性规划第一章 线性规划的基本理论第二章 单纯形法第三章 对偶理论第四章 灵敏度分析第五章 变量有

eld网络、GA算法、模糊控制、神经元网络控制、模糊-神经网络控制、遗传算法、递阶智能控制理论等。

6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.3 遗传算法应用中的一些基本问题 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 微种群和双种群遗传算法 6.6 基于遗传算法的系统在线辨识 6.7 基于遗传算法的模糊控制 6.8 免疫遗传算法 6.8.1 免疫遗传算法的基本概念 6.8.2 免疫算子的机理与构造 6.8.3 TSP问题的免疫遗传算法

运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

4.1 卷积码的编码 4.2 卷积码的结构特性 4.3 卷积码的距离特性 4.4 Viterbi译码算法 4.5 SOVA算法 4.6 BCJR算法

绪论 基本粒子群算法 粒子群算法改进 粒子群算法与进化算法的异同 粒子群算法理论分析工具 粒子群算法的应用

【综述】蚁群优化算法的理论研究进展编辑部