[21]周明，孙树栋。遗传算法原理及应用[M].北京：国防工业出版社，1999
[22]王小平，曹立明。遗传算法一理论、应用与软件实现[M].西安：西安交通大学出版社，2002.
[23]雷英杰，张善文，李续武，周创明。MATLAB遗传算法工具箱及应用「M].西安：西安电子科技大学出版社，2005
[24] S. Forrestf A. S. Perelson, L. Allen, and R. Cherukuri.Self-Nonself Discrimination in a Computer. In Proceedings of IEEE Symposium on Research in Security and Privacy. Oakland. CA, 16-18 May, 1994, pages 202-212
[25] CASTRO L N, VON ZUBEN F J. Data mining: a heuristic approach, [M],USA, dea group, 2001
[26]梁鸿生，郝勇娜，王凯，柴继河。免疫算法：昆明理工大学学报（理工版））[J],第28卷第5期，2003年10月
[27]曾建潮，介蜻，崔志华。微粒群算法[M].北京：科学出版社，2004年5月
[28] Shi Yuhui,Eberhart,R. Empirical study of particle swarm optimization [C]. Proceedings of the IEEE Congress on Evolutionary Computation （CEC 1999）， Piscataway, NJ, 1999, 4: 1945-1950
[29] Eberhart, Yuhui Shi. Particle Swarm Optimization: Developments, Applications and Resources[C],Proc. Congress on Evolutionary Computation 2001,Seoul, Korea.2001, 4: 81-86
[30]周弛，高海兵，高亮等。粒子群优化算法[J].计算机应用研究，2003年第12期
[31] Shi Y, Eberhart R C. A Modified Particle Swarm Optimizer[C]. Processings of the IEEE International Conference on Evolutionary Comprtation. Piscataway, NJ: IEEE Press, 1998,69-73
[32] Clerc M. The Swarm and the Queen: Towards a Deterministic and Adaptive Particle Swarm Optimization[J]. In: Proc CEC 1999. 1999, 1951一1957
[33] Come D, Dorigo M, Glover F. New Ideas in Optimization[J]. McGraw Hill,1999, 379-387
[34] Dorigo M, Maniezzo V, Colorni A. The ant system: optimization by a colony of cooperating agents [J].IEEE Transaction on Systems, 1996. 26 （1）： 1-26
[35] Barto A G, Sutton R S,Brower P S. Associative search network: a reinforcement learning associative memory [J]. Biological Cybern, 1981,40: 201-211
[36]姜长元。蚁群算法的理论及其应用[J].计算机时代，2004年第6期
[37]胡小兵，袁锐，黄席褪，易继军。蚁群算法原理的仿真研究[J].计算机仿真，2004,第2卷第8期
[38] T. Stutzle, Holger Hoos. MAX-MIN Ant System and Local Search for the Traveling Salesman Problem. IEEE Transactions on Evolutionary Computation 0-7803-3949-5,1997
4、论文提纲。
第1章绪论
1.1工程结构优化概述
1.1.1结构优化设计的内容
1.1.2工程结构优化设计的方法
1.1.3结构优化设计的主要特点
1.1.4传统的结构优化设计不足
1.2群体智能算法概述
1.2.1传统最优化方法
1.2.2群体智能优化方法
1.2.3群体智能算法分类
1.2.4群体智能优化算法的优点
1.2.5群体智能算法性能的改善
1.3本文主要内容
第2章典型群体智能算法
2.1进化算法
2.1.1进化算法概述
2.1.2遗传算法
2.1.3进化策略
2.1.4进化规划
2.1.5三种典型进化算法的比较
2.2免疫优化算法
2.2.1免疫算法基本概念
2.2.2基本免疫算法
2.2.3克隆选择算法
2.2.4免疫算法的特点
2.3粒子群优化算法
2.3.1粒子群优化算法概述
2.3.2基本粒子群算法
2.3.3基本粒子群算法参数选择
2.3.4粒子群算法的特点
2.4人工鱼群算法
2.4.1人工鱼群算法概述
2.4.2基本人工鱼群算法
2.4.3鱼群算法的特点
2.5蚁群优化算法
2.5.1蚁群优化算法概述
2.5.2基本蚁群算法
2.5.3参数选择
2.5.4蚁群算法的特点
第3章群体智能算法的实现技术
3.1群体智能算法的一般结构形式
3.1.1群体智能算法的组成
