演化計算

第l章  緒論                  
     1. 1  引言                  
     1. 2  演化計算的主要分支                  
     1. 2. 1  遺傳算法                  
     1. 2. 2  演化策略                  
     1. 2. 3  演化規(guī)劃                  
     1. 2. 4  遺傳程序設(shè)計                  
     1. 3  演化計算的主要特點                  
     1. 3. 1  智能性                  
     1. 3. 2  本質(zhì)并行性                  
     1. 4  演化計算的研究內(nèi)容及其前景                  
   第2章  演化計算的基本原理                  
     2. 1  演化計算的基本概念                  
     2. 2  演化計算的基本結(jié)構(gòu)                  
     2. 3  演化計算的基本特征                  
     2. 4  演化計算與其它搜索方法的比較                  
     2. 5  演化計算的基本定理                  
     2. 5. 1  模式定理                  
     2. 5. 2  內(nèi)含并行性定理                  
   第3章  演化算法的設(shè)計                  
     3. 1  設(shè)計演化算法的基本原則與步驟                  
     3. 1. 1  設(shè)計演化算法的基本原則                  
     3. 1. 2  設(shè)計演化算法的基本步驟                  
     3. 2  編碼表示                  
     3. 2. 1  位串編碼                  
     3. 2. 2  實數(shù)編碼                  
     3. 2. 3  有序串編碼                  
     3. 2. 4  結(jié)構(gòu)式編碼                  
     3. 3  適應(yīng)性的度量                  
     3. 3. 1  原始適應(yīng)函數(shù)                  
     3. 3. 2  標(biāo)準(zhǔn)適應(yīng)函數(shù)                  
     3. 3. 3  適應(yīng)值的調(diào)節(jié)                  
     3. 4  選擇策略                  
     3. 4. l  基于適應(yīng)值比例的選擇                  
     3. 4. 2  基于排名的選擇                  
     3. 4. 3  基于局部競爭機制的選擇                  
     3. 5  演化算子的設(shè)計                  
     3. 5. 1  二進制編碼                  
     3. 5. 2  實數(shù)編碼                  
     3. 5. 3  結(jié)構(gòu)式編碼                  
     3. 6  演化算法控制參數(shù)的選取                  
     3. 6. 1  控制參數(shù)的優(yōu)化及選取                  
     3. 6. 2  控制參數(shù)的自適應(yīng)調(diào)節(jié)                  
     3. 7  演化算法的改進                  
     3. 7. 1  演化算法的高級操作                  
     3. 7. 2  演化算法的群體策略                  
     3. 7. 3  混合演化算法                  
   第4章  演化算法的理論分析                  
     4. 1  引言                  
     4. 2  演化算法的收斂性分析                  
     4. 2. 1  預(yù)備知識                  
     4. 2. 2  SGA的收斂性分析                  
     4. 3  演化算法選擇壓力的分析                  
     4. 4  SGA的動力學(xué)模型                  
     4. 4. 1  無限群體模型                  
     4. 4. 2  有限群體模型                  
     4. 5  遺傳算法的全局隨機搜索模型                  
     4. 5. 1  遺傳算法理論的評價準(zhǔn)則                  
     4. 5. 2  全局隨機搜索方法                  
     4. 5. 3  代方法                  
     4. 5. 4  遺傳算法的全局隨機搜索模型                  
   第5章  演化優(yōu)化                  
     5. 1  引言                  
     5. 2  演化函數(shù)優(yōu)化                  
     5. 2. 1  問題的描述                  
     5. 2. 2  編碼準(zhǔn)則                  
     5. 2. 3  算法的性能評估                  
     5. 3  測試函數(shù)                  
     5. 3. 1  無約束優(yōu)化的測試函數(shù)                  
     5. 3. 2  有約束優(yōu)化的測試函數(shù)                  
     5. 3. 3  約束優(yōu)化問題的難度特征                  
     5. 4  一個求解函數(shù)優(yōu)化的演化算法                  
     5. 4. 1  編碼表示                  
     5. 4. 2  選擇                  
     5. 4. 3  遺傳操作                  
     5. 4. 4  試驗結(jié)果                  
     5. 5  約束的處理                  
     5. 5. 1  算子修正法                  
     5. 5. 2  懲罰函數(shù)法                  
     5. 5. 3  障礙函數(shù)法                  
     5. 5. 4  可行解搜索法                  
     5. 5. 5  混合法                  
     5. 6  演化組合優(yōu)化                  
     5. 6. 1  TSP問題                  
     5. 6. 2  其它組合優(yōu)化問題                  
   第6章  演化非線性參數(shù)估計                  
     6. 1  問題描述                  
     6. 2  非線性回歸模型                  
     6. 3  算法描述及結(jié)果比較                  
     6. 4  模擬試驗與分析                  
     6. 4. 1  搜索區(qū)間對算法性能的影響                  
     6. 4. 2  采樣區(qū)間對算法性能的影響                  
     6. 4. 3  數(shù)據(jù)噪聲對算法性能的影響                  
   第7章  演化自適應(yīng)建模                  
     7. 1  問題的提出                  
     7. 2  遺傳程序設(shè)計                  
     7. 3  演化自適應(yīng)建模                  
     7. 3. 1  編碼表示                  
     7. 3. 2  遺傳算子的設(shè)計                  
     7. 3. 3  演化建模算法的實現(xiàn)                  
     7. 3. 4  計算實例                  
     7. 3. 5  結(jié)論                  
     7. 4  混合自適應(yīng)建模                  
   第8章  演化人工神經(jīng)網(wǎng)絡(luò)                  
     8. 1  引言                  
     8. 2  人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)設(shè)計                  
     8. 2. 1  ANN系統(tǒng)設(shè)計的內(nèi)容                  
     8. 2. 2  設(shè)計神經(jīng)網(wǎng)絡(luò)的方法                  
     8. 3  人工神經(jīng)網(wǎng)絡(luò)的演化                  
     8. 3. 1  網(wǎng)絡(luò)演化方法                  
     8. 3. 2  同時演化網(wǎng)絡(luò)的結(jié)構(gòu)與權(quán)值的演化算法                  
   第9章  演化算法的并行實現(xiàn)                  
     9. 1  引言                  
     9. 2  分布式演化算法                  
     9. 2. 1  Walsh多項式                  
     9, 2. 2  遷移策略與算法結(jié)構(gòu)                  
     9. 2. 3  計算試驗與討論                  
     9. 2. 4  基于人工選擇的遷移模型                  
     9. 3  細粒度并行演化算法                  
     9. 3. 1  算法結(jié)構(gòu)                  
     9. 3. 2  計算試驗與討論                  
     9. 4  并行演化算法的工作機理分析                  
   第10章  演化硬件                  
     l0. 1  引言                  
     10. 2  可編程專用集成電路簡介                  
     10. 2. 1  PLD陣列結(jié)構(gòu)                  
     10. 2. 2  FPGA的結(jié)構(gòu)                  
     10. 3  演化硬件的實現(xiàn)                  
     10. 3. 1  演化硬件的染色體表示                  
     10. 3. 2  變長染色體遺傳算法                  
     10. 4  演化硬件研究的現(xiàn)狀和前景                  
   第11章  演化計算程序設(shè)計環(huán)境                  
     11. 1  引言                  
     11. 2  面向應(yīng)用的系統(tǒng)                  
     11. 3  面向算法的系統(tǒng)                  
     11. 4  工具包系統(tǒng)                  
     11. 5  發(fā)展趨勢展望                  
   附錄A  遺傳算法的一個示例源程序                  
   附錄B  測試數(shù)據(jù)集                  
   參考文獻                  
   索引