本書共分七章，第一章介紹算法的思想、特點(diǎn)，發(fā)展過程和前景。第二章介紹算法的基本理論。第三章討論算法解連續(xù)優(yōu)化問題。第四章利用算法設(shè)計(jì)和優(yōu)化神經(jīng)網(wǎng)絡(luò)。第五章介紹在組合優(yōu)化中的應(yīng)用。第六章介紹應(yīng)用遺傳程序設(shè)計(jì)解決程序沒計(jì)自動(dòng)化問題。第七章對(duì)遺傳算法和其它適應(yīng)性算法進(jìn)行比較。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
序言
第一章 緒論 1
1.1 自然進(jìn)化與遺傳算法 1
1.2 遺傳算法的描述 4
1.3 表示方案的實(shí)例 14
1.3.1 工程設(shè)計(jì)的最優(yōu)化 14
1.3.2 人工蟻問題 17
1.4 遺傳算法的特點(diǎn) 22
1.5 遺傳算法的發(fā)展簡史 25
1.6 遺傳算法的研究內(nèi)容及其前景 33
第二章 遺傳算法的數(shù)學(xué)理論 38
2.1 遺傳算法的基本定理 38
2.2 隱含并行性 46
2.3 基因塊假設(shè) 48
2.4 最小欺騙問題 53
2.5 遺傳算法欺騙問題的分析與設(shè)計(jì) 60
2.6 模式的幾何表示 62
2.7 遺傳算法收斂性分析 63
2.7.1 基本定義 64
2.7.2 守恒雜交算子 67
2.7.3 完全變異算子 69
2.7.4 遺傳算法的馬爾柯夫鏈分析 70
第三章 解違續(xù)優(yōu)化問題的遺傳算法 75
3.1 基本的遺傳算法 75
3.1.1 引言 75
3.1.2 算法描述 76
3.1.3 算法性能分析 B
3.1.4 從目標(biāo)函數(shù)到適應(yīng)函數(shù) 82
3.1.5 基本的選擇方法 85
3.2 遺傳算法中控制參數(shù)的最優(yōu)化 86
3.2.1 自適應(yīng)系統(tǒng)模型 86
3.2.2 試驗(yàn)設(shè)計(jì) 87
3.2.3 試驗(yàn)結(jié)果 92
3.3 適應(yīng)值的比例變換 96
3.3.1 基本的比例方法 96
3.3.2 用于選擇比例函數(shù)的準(zhǔn)則的性質(zhì) 99
3.3.3 比例函數(shù)的一維族 101
3.3.4 比例函數(shù)的m維族 104
3.4 解函數(shù)優(yōu)化的并行遺傳算法 108
3.4.1 遺傳算法與并行計(jì)算機(jī) 108
3.4.2 并行搜索和最優(yōu)化 110
3.4.3 并行遺傳算法的形式描述 110
3.4.4 性能評(píng)估 115
3.4.5 數(shù)值結(jié)果 117
3.4.6 超線性加速比 118
3.4.7 PGA與一般最優(yōu)化方法 120
3.5 混合遺傳算法 121
3.5.1 混合的原則 122
3.5.2 修改的遺傳算子 123
3.6 退火演化算法 124
3.6.1 模擬退火算法概述 124
3.6.2 退火演化算法用于求解連續(xù)優(yōu)化問題 126
3.6.3 比較結(jié)果及退火演化算法的并行策略 128
3.7 約束最優(yōu)化問題 132
第四章 用遺傳算法設(shè)計(jì)神經(jīng)網(wǎng)絡(luò) 137
4.1 神經(jīng)網(wǎng)絡(luò)概述 137
4.2 感知機(jī)結(jié)構(gòu)的設(shè)計(jì) 140
4.2.1 感知機(jī)模型及其學(xué)習(xí)算法 140
4.2.2 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與遺傳算法 142
4.2.3 感知機(jī)的遺傳表示 144
4.2.4 演化過程 145
4.2.5 試驗(yàn)設(shè)計(jì) 146
S 4.3 前饋神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 150
4.3.1 反向傳播法 150
4.3.2 混合學(xué)習(xí)系統(tǒng) 152
4.3.3 試驗(yàn)結(jié)果和結(jié)論 154
第五章 遺傳算法在組合優(yōu)化中的應(yīng)用 157
5.1 基于有序的遺傳算法和圖著色問題 157
5.1.1 圖著色問題 157
5.1.2 基于有序的表示和遺傳算子 159
5.1.3 圖著色問題的實(shí)例 161
5.2 解貨郎擔(dān)問題的遺傳算法 165
5.2.1 貨郎擔(dān)問題與幾個(gè)常用的遺傳算子 165
5.2.2 算法描述 168
5.2.3 貨郎擔(dān)問題的計(jì)算結(jié)果 171
5.3 解映射問題的并行遺傳算法 172
5.3.1 引言 172
5.3.2 遺傳表示和并行策略 174
5.3.3 并行遺傳算法的執(zhí)行分析 175
第六章 遺傳程序設(shè)計(jì)馬程序設(shè)計(jì)自動(dòng)化 178
6.1 引言 178
6.2 遺傳程序設(shè)計(jì)的主要步驟 179
6.3 遺傳程序設(shè)計(jì)的具體描述 182
6.3.1 函數(shù)集和端點(diǎn)集 182
6.3.2 初始結(jié)構(gòu) 184
6.3.3 適應(yīng)值度量 186
6.3.4 主要操作 188
6.3.5 控制參數(shù) 191
6.4 解人工蟻問題的遺傳程序設(shè)計(jì) 191
第七章 遺傳算法與其它自適應(yīng)搜索方法的比較 198
7.1 引言 198
7.2 四種自適應(yīng)搜索方法的比較 200
7.3 結(jié)束語 202
附錄 Grotschel貨郎擔(dān)問題的頂點(diǎn)坐標(biāo) 204
參考文獻(xiàn) 206
書單推薦
