在未来几个月时间里，将会逐步针对先前整理的博客文章进行分类归纳，并建立成为智能优化算法及案例库的学习专栏区。内容的讲解将会从理论算法到应用阶段的分级过渡，通过具体的优化案例来阐述算法的相关应用。其中优化案例将会重点从车辆路径问题、生产调度问题、排班问题（如公交车的运营）、二维路径问题、三维路径问题如避障等，编程实现的语言基本为Python或者Matlab。
以下问题都会为大家讲解到，其中也会将下面的问题难度进行定级（个人理解）。 如下为整理的智能优化算法及优化案例查阅目录
1、算法概述
1.1 遗传算法
1.2 蚁群算法
1.3 粒子群算法
1.4 模拟退火算法
1.5 多目标非支配排序遗传算法NSGA-II
1.6 Dijkstra算法
1.7 A* 算法
1.8 ...(待补充）
2、VRP路径规划问题
2.1 TSP问题
2.1.1、遗传算法求解TSP问题（本科生，入门难度，2颗星）
2.1.2、蚁群算法求解TSP问题（本科生，入门难度，2颗星）
2.1.3、模拟退火算法求解TSP问题（本科生，入门难度，2颗星）
2.2 CVRP问题
2.2.1、遗传算法求解CVRP问题（本科生，中等难度，3-4颗星）
2.3 VRPTW问题
2.3.1、遗传算法求解VRPTW（研究生，中等难度，5-6颗星）
2.3.2、蚁群算法求解VRPTW（研究生，中等难度，5-6颗星）
2.4 VRPPD问题（研究生，中等难度，5-6颗星），内含一些变种问题，可能会演变的稍复杂。
2.5 多约束的VRP问题
2.5.1、多中心VRP问题（研究生中高等难度，7-8颗星）
2.5.2、多层网络的VRP问题（研究生高难度，9-10颗星）
2.5.3、多中心多车型的VRP问题（研究生高难度，8-9颗星）
2.6 动态VRP问题（暂不做讲解）（研究生高难度，7-10颗星）
2.7 多目标约束问题（研究生中高等难度，7-8颗星）
2.8 多式联运问题（本科生、研究生，低中高等难度，4-8颗星）看问题的变化情况
2.9 AGV路径规划问题（本科生、研究生中等难度，4-7颗星）
2.10 二维空间路径规划问题
2.11 三维空间路径规划问题
3、生产车间调度优化问题
3.1 混合流水车间问题（遗传算法）（研究生中等难度，6-8颗星）
3.2 订单拆分调度问题（NSGA_II)（研究生中高等难度，6-9颗星）
4、公交车的调度排班优化问题
5、优秀硕士论文复现
