大多数工程和科学问题是多目标优化问题，并且有多个冲突的目标。如何获得这些问题的最佳解决方案一直是学术和工程界的关注的重点。与单目标优化问题不同，中国和的多目标优化的本质是，在大多数情况下，一定目标的改进可能会导致其他目标的执行降低，并且不可能同时实现多个目标的最佳性能。它只能在每个目标之间进行协调，权衡和妥协，因此所有客观友好的功能都可以尽可能最佳。此外，该问题由大量最佳解决方案组成，即使是无限大，最佳解决方案由大量组的最佳解决方案组成。

智能优化算法是通过模拟特定自然现象或过程来确定的优化方法。这种算法包括进化算法，粒子群算法，忌讳搜索，分散搜索，模拟退火，人工免疫系统和蚂蚁菌落算法等。与传统的数学计划方法相比，智能优化算法更适合于解决多种潜在的优化问题。首先，大多数智能优化算法可以同时处理一组解决方案。每次运行算法时，都可以获得多个有效的解决方案。其次，智能优化算法对最佳前端的形状和连续性不敏感，并且能量形的肥料在非凸面或不连续的最佳前端都很好地接近。目前，作为一种启发式搜索算法，智能优化算法已成功应用于多目标优化领域，并且出现了一些流行的研究方向，例如进化的多目标优化。同时，多目标智能优化算法在功率系统，董事会调查制造系统和控制系统的应用研究中也取得了长足的进步。

本书努力全面地总结了作者及其在国内外的同事在多目标智能优化算法的理论和应用中所取得的一系列研究成就。该书由两个部分组成，共有8章。第一部分是在第1-4章中，主要介绍各种多目标智能优化算法的理论。第1章是介绍，介绍了各种智能优化算法的基本思想和原理。第2章介绍了多目标进化算法，该算法主要描述多目标进化算法的基本原理，典型算法以及各种进化机制和策略，例如混合策略，共同进化和动态进化策略。第3章介绍了多目标粒子群算法，包括基本原理，典型算法，混合算法和交互式粒子群算法。第4章介绍了除粒子群算法和进化算法外的其他多目标智能优化算法，并且主要引入多目标模拟退火算法，多目标抗群算法，多目标静态算法，多目标的多态算法，多态算法的探索，多型探索，多型差异化 和远程远程远程和远程。

第二部分是第5-8章，主要介绍了多目标智能优化算法的应用，包括神经网络优化，生产计划，运输和物流系统优化，电源系统优化等。第5章介绍了人工神经网络的多目标优化，主要包括进化神经网络，径向基础神经网络，复发性神经网络和模糊神经网络。第6章介绍了运输和物流系统的优化，主要描述智能优化算法在物流分布，城市公交路线网络和公共交通计划中的应用。