各种决策支持系统的应用涉及众多领域，如工业、商业、科学和政府部门。决策支持系统可以用来解决许多实际问题，包括交通调度、生物信息优化、人事调度、医疗诊断、时间表、生产调度和商业决策等。其中，实现决策支持系统的关键是其底层的搜索和优化技术。因此，搜索和优化技术是一个至关重要的研究领域。 　　伯克、肯德尔所著的《搜索方法论--优化与决策支持技术入门教程》是一本涵盖多个领域，如计算机科学、数学和运筹学的解决各种复杂问题的搜索、优化和决策支持技术的入门教程。本书精心组织，通过19个章节系统介绍了大量经典和最新的优化技术和搜索方法。每章的作者均是相关领域的国际知名专家。 　　第1章是概述，第2章和第3章介绍了一些经典的基于数学的搜索方法，如分支限界法、动态规划、网络流规划、整数规划等。第4章至第8章介绍了一些经典和常用的人工智能方法，包括遗传算法、演化计算、模拟退火、禁忌搜索、变邻域搜索。接着介绍了一些较新的优化技术，包括约束规划、多目标优化、机器学习、人工免疫系统、群体智能、模糊推理、基于粗糙集的决策支持、超启发式和近似算法等。此外，本书还介绍了搜索和优化领域涉及的一些理论知识，如复杂理论、适应值曲面等。 　　本书几乎涵盖了所有经典、实用和目前最新的搜索和优化技术，内容丰富、层次分明、重点突出。每章都附有大量相关参考文献，具有权威性和实用性。 　　作为介绍搜索和优化技术的入门教程，本书非常适合作为高等院校高年级本科生和研究生的教材，并可用作相关领域研究人员的参考资料。