非数值并行算法(第二册)遗传算法

序言**章 绪论 §1.1 自然进化与遗传算法 §1.2 遗传算法的描述 §1.3 表示方案的实例 1.3.1 工程设计的*优化 1.3.2 人工蚁问题 §1.4 遗传算法的特点 §1.5 遗传算法的发展简史 §1.6 遗传算法的研究内容及其前景第二章 遗传算法的数学理论 §2.1 遗传算法的基本定理 §2.2 隐含并行性 §2.3 基因块假设 §2.4 *小欺骗问题 §2.5 遗传算法欺骗问题的分析与设计 §2.6 模式的几何表示 §2.7 遗传算法收敛性分析 2.7.1 基本定义 2.7.2 守恒杂交算子 2.7.3 完全变异算子 2.7.4 遗传算法的马尔柯夫链分析第三章 解连续优化问题的遗传算法 §3.1 基本的遗传算法 3.1.1 引言 3.1.2 算法描述 3.1.3 算法性能分析 3.1.4 从目标函数到适应函数 3.1.5 基本的选择方法 §3.2 遗传算法中控制参数的*优化 3.2.1 自适应系统模型 3.2.2 试验设计 3.2.3 试验结果 §3.3 适应值的比例变换 3.3.1 基本的比例方法 3.3.2 用于选择比例函数的准则的性质 3.3.3 比例函数的一维族 3.3.4 比例函数的m维族 §3.4 解函数优化的并行遗传算法 3.4.1 遗传算法与并行计算机 3.4.2 并行搜索和*优化 3.4.3 并行遗传算法的形式描述 3.4.4 性能评估 3.4.5 数值结果 3.4.6 超线性加速比 3.4.7 PGA与一般*优化方法 §3.5 混合遗传算法 3.5.1 混合的原则 3.5.2 修改的遗传算子 §3.6 退火演化算法 3.6.1 模拟退火算法概述 3.6.2 退火演化算法用于求解连续优化问题 3.6.3 比较结果及退火演化算法的并行策略 §3.7 约束*优化问题第四章 用遗传算法设计神经网络 §4.1 神经网络概述 §4.2 感知机结构的设计 4.2.1 感知机模型及其学习算法 4.2.2 神经网络设计与遗传算法 4.2.3 感知机的遗传表示 4.2.4 演化过程 4.2.5 试验设计 §4.3 前馈神经网络的设计 4.3.1 反向传播法 4.3.2 混合学习系统 4.3.3 试验结果和结论第五章 遗传算法在组合优化中的应用 §5.1 基于有序的遗传算法和图着色问题 5.1.1 图着色问题 5.1.2 基于有序的表示和遗传算子 5.1.3 图着色问题的实例 §5.2 解贷郎担问题的遗传算法 5.2.1 货郎担问题与几个常用的遗传算子 5.2.2 算法描述 5.2.3 货郎担问题的计算结果 §5.3 解映射问题的并行遗传算法 5.3.1 引言 5.3.2 遗传表示和并行策略 5.3.3 并行遗传算法的执行分析第六章 遗传程序设计与程序设计自动化 §6.1 引言 §6.2 遗传程序设计的主要步骤 §6.3 遗传程序设计的具体描述 6.3.1 函数集和端点集 6.3.2 初始结构 6.3.3 适应值度量 6.3.4 主要操作 6.3.5 控制参数 §6.4 解人工蚁问题的遗传程序设计第七章 遗传算法与其它自适应搜索方法的比较 §7.1 引言 §7.2 四种自适应搜索方法的比较 §7.3 结束语附录 Groschel货郎担问题的顶点坐标参考文献