进化计算

第一章 生物进化与新达尔文主义
1.1 进化论
1.2 繁殖
1.3 变异
1.4 竞争
1.5 选择
1.6 进化优化受益者
1.7 适应与拓扑
1.8 总结
第二章 遗传算法的起源及搜索策略
2.1 遗传算法的起源
2.1.1 GA的定义
2.1.2 GA应用的例子
2.2 求解优化问题的搜索方法与搜索策略
2.2.1 搜索方法的分类
2.2.2 搜索方法的搜索策略
第三章 遗传算法的基本理论
3.1 模式定理
3.1.1 模式的定义
3.1.2 模式定理
3.1.3 建筑块假说
3.1.4 内在并行性
3.2 双臂赌机问题
3.2.1 双臂赌机问题及分析
3.2.2 模式定理的意义
3.2.3 k臂赌机问题的局限性
第四章 遗传算法的收敛性分析
4.1 收敛性的各种定义
4.1.1 渐近收敛
4.1.2 概率意义下的收敛
4.2 基于压缩映射原理的收敛性分析
4.2.1 压缩映射原理
4.2.2 cmGA及其收敛性分析
4.3 基于有限Markov链的收敛性分析
4.3.1 有关有限Markov链的预备知识
4.3.2 Markov链分析方法回顾
4.3.3 GA的收敛性分析
4.4 动力学模型
4.4.1 Vose模型
4.4.2 Bertoni模型
4.5 停止准则
第五章 遗传算法的改进
5.1 遗传算法的局限性
5.2 强方法与弱方法
5.3 二进制编码方案与浮点数编码方案
5.4 选择压力分析
5.4.1 选择算子的修改
5.4.2 适值函数的尺度变换
5.5 局部微调
5.6 动态编码
5.6.1 随机平均法
5.6.2 Delta编码与动态参数编码
5.7 欺骗问题与链接问题
5.8 种群规模分析
5.8.1 基于初始建筑块数目的种群规模分析
5.8.2 基于建筑块决策的种群规模分析
5.8.3 基于赌徒输光问题的种群规模分析
5.9 建筑块混合与控制图
5.10 上位效应
5.10.1 上位效应概念
5.10.2 线性假设引人
5.10.3 上位效应要素
第六章 mGA与LLGA
6.1 mGA
6.1.1 mGA的编码方案
6.1.2 mGA的遗传算子
6.1.3 mGA的算法流程
6.1.4 fmGA
6.2 LLGA
6.2.1 LLGA的编码方案
6.2.2 遗传算子
6.2.3 链接度与随机链接度
6.2.4 LLGA的算法流程
6.2.5 压缩内含子
第七章 约束条件的处理
7.1 线性约束条件
7.1.1 问题的简化
7.1.2 表示方案
7.1.3 遗传算子
7.1.4 初始化种群
7.1.5 应用GENOCOP的一个实例
7.1.6 GENOCOP的进一步改进
7.2 非线性约束条件
7.2.1 问题的一般形式
7.2.2 GENOCOPⅡ的算法流程
7.2.3 应用GENOCOPⅡ的实例
7.3 GENOCOPⅢ简介
第八章 组合优化问题
8.1 旅行商(TSP)问题
8.1.1 近邻表示
8.1.2 序表示
8.1.3 路径表示
8.1.4 边表示
8.1.5 其他表示方案
8.1.6 其他搜索策略
8.1.7 算法性能度量
8.2 调度问题
8.2.1 作业调度问题
8.2.2 时间表问题
第九章 进化策略和进化规划
9.1 进化算法的早期研究
9.2 进化策略
9.3 进化规划
9.4 进化算法的收敛性分析
9.4.1 进化算法的描述
9.4.2 用有限Markov理论分析进化算法
9.4.3 进化算法的收敛速率
第十章 进化计算框架
10.1 进化算法和遗传算法之间的哲学差别
10.2 交叉算子与变异算子的比较
10.3 进化计算框架
10.3.1 表示法
10.3.2 进化算子
10.3.3 算法定义
10.3.4 gfmGA的形式化定义
第十一章 遗传机器学习
11.1 遗传机器学习概述
11.1.1 遗传机器学习系统的结构
11.1.2 匹兹堡方法与密西根方法
11.1.3 产生式系统体系结构
11.2 机器学习方法一：参数调节
11.3 机器学习方法二：改变数据结构
11.4 密西根方法：分类器系统
11.4.1 分类器系统概述
11.4.2 信度分配机制——斗链式算法
11.4.3 分类器重组机制——遗传算法
11.4.4 分类器的运行
11.5 分类器实例
11.5.1 ANIMATE分类器系统
11.5.2 煤气管道操作分类器系统
11.5.3 新型战斗机驾驶规则学习
11.6 匹兹堡方法：学习系统
11.6.1 学习系统概述
11.6.2 规则集合的重组
11.6.3 LS-I的性能
11.7 组织学习方法
11.7.1 组织的增长
11.7.2 自主组织学习
11.8 囚徒窘境问题
11.8.1 Axelrod竞赛
11.8.2 Fogel有限状态机
第十二章 机器人轨迹规划
12.1 机器人系统
12.2 机器人仿真模型
12.3 机器人轨迹规划方法
12.3.1 轨迹规划表示
12.3.2 轨迹规划方法
12.3.3 Lamarck效应和子目标回报
12.4 机器人轨迹规划的应用
12.4.1 MR-501特性
12.4.2 机器人轨迹规划系统设计
12.4.3 机器人规划的性能
附录A 有限状态自动机
附录B 产生式系统
参考文献