遗传算法的基本理论与应用

前 言

第一章 概述

1．1 从生物进化到进化计算

1．2 遗传算法的特征与发展

1．3 遗传算法理论研究

1．4 遗传算法的应用

本章附录：遗传算法的基本术语

第二章 遗传算法的基本原理

2．1 复杂系统的适应过程

2．2 遗传算法的基本描述

2．3 遗传算法的模式理论

2．4 遗传算法与其他搜索技术的比较

2．5 遗传算法计算实例

第三章 遗传算法的随机理论与分析

3．1 遗传算法的一般收敛性理论

3．2 遗传算法的马尔可夫链模型

3．3 齐次遗传算法收敛性分析

3．4 遗传算法的收敛速率分析

3．5 广义退火遗传算法的收敛性

3．6 遗传算法的随机泛函分析

.第四章 遗传算法的模式理论与分析

4．1 遗传算法的模式收敛性分析

4．2 遗传算法模式欺骗问题分析

4．3 遗传算法模式欺骗性的充分条件

4．4 模式欺骗问题的实验分析

第五章 遗传算子的分析与设计

5．1 群体的分析与设计

5．2 选择算子的性质分析

5．3 交叉算子的性质分析

5．4 变异算子的性质分析

5．5 微观遗传策略中的参数设置

5．6 适应性微观遗传策略的设计

第六章 遗传算法结构分析与设计

6．1 适应函数的复杂性分析

6．2 单纯多群体遗传算法

6．3 协同多群体遗传算法

6．4 遗传算法与位爬山算法的结合

6．5 组合优化问题的混合遗传算法

6．6 并行遗传算法

第七章 遗传算法与知识获取

7．1 基于数据库的知识发现

7．2 cs-1系统与ls-1系统

7．3 描述性概念的学习方法

7．4 概念学习的模型表示

7．5 cnf范式规则学习的ga方法

7．6 dnf范式规则学习的ga方法

7．7 概念学习中的特征提取

7．8 基于ga的特征选择

7. 9 基于ga的特征变换

7．10 基于ga的一种自动聚类方法

第八章 遗传规划及其应用

8．1 遗传规划的基本原理与方法

8．2 遗传规划的收敛性分析

8．3 遗传规划／遗传算法在复合地基承载力计算中的应用

8．4 遗传规划在混沌时间序列预测中的应用

8．5 基于遗传规划的确定性模式分类器

第九章 进化算法的原理与方法

9．1 进化算法的一般框架

9．2 进化算法的自适应机制

9．3 基于实数编码的遗传算法的收敛性

9．4 进化规划和进化策略的收敛性

9．5 不采用精英个体保留策略的进化算法的收敛性

9．6 关于nfl定理的推导与讨论

9．7 进化规划和进化策略中三种变异算子的性质和比较

9．8 用fga求解约束优化问题

附录 ga性能测试函数

主要参考文献