全局最优化：基于递归深度群体搜索的新方法

　　刘群锋，理学博士，东莞理工学院教授，分别于1999年、2002年在华中科技大学数学系获学士、硕士学位，于2011年在湖南大学数学学院获博士学位。主要从事全局优化、计算智能与机器学习等领域的理论与方法研究。主持国家自然科学基金面上项目、教育部人文社科基金青年项目、广东省自然科学基金面上项目等科研项目5项，累计研究经费超400万。在相关领域的主流期刊上发表论文50余篇。

《全局**化——基于递归深度群体搜索的新方法》介绍全局优化算法的基本理论和研究进展，特别聚焦于最近几年提出的基于递归深度群体搜索的一类新方法，并详细介绍递归深度群体搜索技术在确定性全局优化和智能优化算法中的具体应用。在确定性全局优化中，以DIRECT算法为例，深入介绍了递归深度群体搜索的设计原则与技巧；在智能优化中，以粒子群优化算法为例，介绍了递归深度搜索和群体搜索的融合方法及性能提升。《全局**化——基于递归深度群体搜索的新方法》提供了全局优化算法从入门到精通的各种材料，包括基本概念、基本理论、算法设计原则与技巧、国际通用的测试函数库、主流的测试数据分析方法和技术。因此，该书适合于对全局优化算法有兴趣的高年级本科生、研究生、研究人员以及工程技术人员。