粒子群优化算法是群体智能优化算法的典型代表之一，已经成为随机优化领域的一个研究热点。本书所述的量子行为粒子群优化算法是在粒子群优化算法思想的启发下，引入了量子模型的概率化粒子群优化算法。本书共9章： 首先分析了群体智能的定义和特征，并对群体智能算法的代表算法作了综述； 其次介绍了粒子群优化算法的基本思想及部分重要的改进方法； 然后系统地介绍了量子行为粒子群优化算法的思想来源、理论依据和实现方法； 最后详细介绍了量子行为粒子群优化算法在函数优化、系统辨识、生物信息、图像处理及工程优化中的应用方法和应用效果。 本书可以作为从事群体智能研究的科研人员和工程技术人员的参考书，也可以作为计算机、自动化、应用数学、管理、机械、金融等相关学科的教师和学生的参考书。

前言 群体智能算法是一门新兴的优化计算方法，自20世纪80年代出现以来，引起了众多研究人员的关注，已经成为优化技术领域的一个研究热点，是人工智能以及经济、社会、生物等交叉学科的热点和前沿领域。群体智能算法是基于群体行为对给定的目标进行寻优的启发式搜索算法，其寻优过程体现了随机、并行和分布式等特点。 粒子群优化(Particle Swarm Optimization,PSO)算法是群体智能算法的典型代表之一。PSO算法于1995年由美国社会心理学家Kennedy博士和电气工程师Eberhart博士提出，算法的主要思想来源于对鸟类群体行为的研究。PSO算法自提出以来，由于其计算简单、易于实现、控制参数少等特点，引起了国内外相关领域众多学者的关注和研究，在算法的理论分析、性能改进以及应用等方面取得了丰硕的成果。 本书作者及其所在的课题组在近年来一直专注于PSO算法的研究，在PSO算法基本原理的基础上提出从量子力学的角度出发，利用量子测不准原理来描述粒子的运动状态，建立了一种新的PSO算法模型，即量子行为粒子群优化(Quantum-behaved PSO,QPSO)算法模型，该研究成果于2004年IEEE进化计算国际会议和IEEE控制论与智能系统国际会议发表。QPSO算法在提出之初就得到了PSO算法发明人之一的Kennedy博士的关注，在其综述性的一篇文献中，他将QPSO算法看做是一种新的、能对PSO算法未来发展方向产生影响的概率算法之一。目前，经过课题组所有成员的努力，发表了有关QPSO算法和PSO算法研究论文近90篇，三...