本文将给出一些在 C 数学库中乍一看似乎不必要存在的函数示例。
优化算法导论
在许多应用中，优化是最重要的，例如工程，商业活动和工业设计。显然，优化的目的可以是任何事情——从最小化能耗和成本到最大化利润、产出、性能和效率。可以毫不夸张地说，从工程设计到商业规划，从互联网路由到假日规划，优化无处不在。由于现实世界中资源、时间和金钱总是有限，所以我们必须找到解，以便在各种限制条件下优化使用这些宝贵的资源。数学优化或规划是利用数学工具进行上述规划和设计问题的研究。由于大多数现实世界的应用往往是高度非线性的，因此需要复杂的优化工具来处理。目前，计算机模拟已经成为解决这类优化问题不可或缺的工具（通过使用各种有效的搜索算法）。
布谷鸟搜索算法
布谷鸟搜索（Cuckoo Search，CS）是由 Xin-She Yang 和 Suash Deb 于 2009 年开发的自然启发式算法。CS 基于布谷鸟的寄生性育雏（brood parasitism，又巢寄生）行为。该算法可以通过所谓的 Levy 飞行来增强，而不是简单的各向同性随机游走。研究表明，该算法可能比遗传算法、PSO 以及其他算法更有效。
细菌觅食优化算法 —— 理论基础
Abstract. 细菌觅食优化算法（Bacterial foraging optimization algorithm，BFOA）是当前分布式优化和控制领域备受关注的全局优化算法。其受启发于大肠杆菌（ Escherichia coli）的社会性觅食行为。其在解决一些应用领域中的实际优化问题的高效性引起了研究人员的关注。大肠杆菌觅食策略背后潜在的生物模式被模仿，并得到一个简单优化算法。本章从经典 BFOA 清晰的轮廓开始。然后用一个简单的数学模型来分析 BFOA 模拟趋化性步骤的动态过程。从分析的角度，提出了一种新的 BFOA 适应性变体，根据当前虚拟细菌的适应性调整趋化步长。本文还对 BFOA 繁殖算子的动态进行了分析。本章讨论了 BFOA 与其他优化技术的混合，并提供了 BFOA 到目前为止的重要应用的说明。