《非数值并行算法 第2册 遗传算法》求取 ⇩

目录1

第一章 绪论1

§1.1 自然进化与遗传算法1

§1.2　遗传算法的描述4

§1.3　表示方案的实例14

1.3.1　工程设计的最优化14

1.3.2 人工蚁问题17

§1.4　遗传算法的特点22

§1.5　遗传算法的发展简史25

§1.6　遗传算法的研究内容及其前景33

§2.1　遗传算法的基本定理38

第二章　遗传算法的数学理论38

§2.2　隐含并行性46

§2.3　基因块假设48

§2.4　最小欺骗问题53

§2.5　遗传算法欺骗问题的分析与设计60

§2.6　模式的几何表示62

§2.7　遗传算法收敛性分析63

2.7.1　基本定义64

2.7.2　守恒杂交算子67

2.7.3　完全变异算子69

2.7.4　遗传算法的马尔柯夫链分析70

3.1.1　引言75

§3.1　基本的遗传算法75

第三章　解连续优化问题的遗传算法75

3.1.2　算法描述76

3.1.3　算法性能分析78

3.1.4　从目标函数到适应函数82

3.1.5　基本的选择方法85

§3.2　遗传算法中控制参数的最优化86

3.2.1　自适应系统模型86

3.2.2　试验设计87

3.2.3　试验结果92

§3.3　适应值的比例变换96

3.3.1　基本的比例方法96

3.3.2　用于选择比例函数的准则的性质99

3.3.3　比例函数的一维族101

3.3.4　比例函数的m维族104

§3.4　解函数优化的并行遗传算法108

3.4.1　遗传算法与并行计算机108

3.4.2　并行搜索和最优化110

3.4.3　并行遗传算法的形式描述110

3.4.4　性能评估115

3.4.5　数值结果117

3.4.6　超线性加速比118

3.4.7 PGA与一般最优化方法120

§3.5　混合遗传算法121

3.5.1　混合的原则122

3.5.2　修改的遗传算子123

§3.6　退火演化算法124

3.6.1　模拟退火算法概述124

3.6.2　退火演化算法用于求解连续优化问题126

3.6.3　比较结果及退火演化算法的并行策略128

§3.7　约束最优化问题132

第四章 用遗传算法设计神经网络137

§4.1　神经网络概述137

§4.2　感知机结构的设计140

4.2.1　感知机模型及其学习算法140

4.2.2　神经网络设计与遗传算法142

4.2.3　感知机的遗传表示144

4.2.4　演化过程145

4.2.5　试验设计146

§4.3　前馈神经网络的设计150

4.3.1　反向传播法150

4.3.2　混合学习系统152

4.3.3　试验结果和结论154

第五章　遗传算法在组合优化中的应用157

§5.1 基于有序的遗传算法和图着色问题157

5.1.1　图着色问题157

5.1.2　基于有序的表示和遗传算子159

5.1.3　图着色问题的实例161

5.2.1　货郎担问题与几个常用的遗传算子165

§5.2 解货郎担问题的遗传算法165

5.2.2　算法描述168

5.2.3　货郎担问题的计算结果171

§5.3 解映射问题的并行遗传算法172

5.3.1　引言172

5.3.2　遗传表示和并行策略174

5.3.3　并行遗传算法的执行分析175

第六章　遗传程序设计与程序设计自动化178

§6.1 引言178

§6.2　遗传程序设计的主要步骤179

6.3.1　函数集和端点集182

§6.3　遗传程序设计的具体描述182

6.3.2　初始结构184

6.3.3　适应值度量186

6.3.4　主要操作188

6.3.5　控制参数191

§6.4　解人工蚁问题的遗传程序设计191

第七章　遗传算法与其它自适应搜索方法的比较198

§7.1 引言198

§7.2 四种自适应搜索方法的比较200

§7.3　结束语202

附录 Gr？tschel货郎担问题的顶点坐标204

参考文献206