协同进化遗传算法理论及应用PDF电子书下载

第1章 协同进化遗传算法入门 1

1．1遗传算法 1

遗传算法的运行机制 1

遗传算法的提出与发展 2

并行遗传算法 3

1．2协同进化遗传算法 4

协同进化遗传算法的提出 4

协同进化遗传算法的思想 5

竞争型协同进化遗传算法 5

1．3合作型协同进化遗传算法 6

合作型协同进化遗传算法的思想 6

进化个体评价 7

代表个体选择 7

合作型协同进化遗传算法的研究 9

合作型协同进化遗传算法存在的问题 11

1．4本书主要内容 12

1．5本章小结 15

参考文献 15

第2章 基于紧联结识别的协同进化种群分割 17

2．1种群分割的必要性 17

2．2基于概率模型的紧联结识别算法 19

2．3基于紧联结识别的协同进化种群分割 23

一次性紧联结识别协同进化种群分割 23

进化紧联结识别协同进化种群分割 24

2．4在多模态数值函数优化中的应用 26

优化函数描述 26

运行环境与参数设置 28

运行结果比较与分析 28

2．5本章小结 30

参考文献 31

第3章 协同进化种群搜索区域的动态变化 32

3．1搜索区域动态变化的必要性 32

3．2搜索区域动态变化 34

搜索区域变化时机 35

搜索区域变化策略 35

3．3种群规模自适应调整 36

种群规模调整策略 36

新种群的生成 36

算法步骤 37

3．4算法性能分析 37

3．5在多模态数值函数优化中的应用 38

优化函数描述 39

运行环境与参数设置 39

停机准则 40

运行结果比较与分析 40

3．6本章小结 42

参考文献 43

第4章 协同进化遗传算法种群规模的动态变化 44

4．1种群规模动态变化的必要性 44

单种群遗传算法的变种群规模 44

多种群遗传算法的变种群规模 46

合作型协同进化遗传算法的计算复杂性 47

种群规模动态变化的意义 47

4．2基于二进制编码的搜索区域变焦 48

4．3基于实数编码的搜索区域变焦 49

进化子种群的表示 50

子种群的进化能力 50

搜索子空间的变焦 51

4．4子种群规模动态变化 52

代表个体的信用度 52

算法步骤 53

4．5在多模态数值函数优化中的应用 53

被优化函数 53

参数取值 55

优化结果与分析 56

4．6与第3章的比较 57

4．7本章小结 58

参考文献 58

第5章 基于局域网并行实现的协同进化种群的代表个体选择 60

5．1局域网并行实现的必要性 60

5．2协同进化遗传算法的局域网并行实现 61

5．3代表个体选择 62

影响代表个体选择的因素 62

代表个体选择方法 63

子种群分布的多样性描述 64

代表个体数量 65

选择代表个体 65

合作团体构成 66

算法步骤 67

5．4在多模态数值函数优化中的应用 67

被优化函数 67

计算资源的性能 68

参数取值 69

优化结果与分析 69

5．5本章小结 72

参考文献 73

第6章 协同进化遗传算法网络实现的资源分配 74

6．1资源分配的必要性 74

6．2资源分配决策模型 75

需要考虑的因素 75

一些假设 76

决策模型 76

对模型的解释 77

6．3决策模型求解 78

6．4算例 78

各子种群采用相同的遗传策略 79

子种群分为多组，不同组采用不同的遗传策略 80

各子种群均采用不同遗传策略 82

6．5本章小结 83

参考文献 84

第7章 协同进化遗传算法的搜索空间分割 85

7．1空间分割的必要性 85

7．2算法思想及空间分割 86

7．3种内及种间进化遗传算法 87

种内进化遗传算法 87

种间进化遗传算法 88

新的进化子种群的生成 89

7．4超级个体集合 89

7．5算法复杂度分析 90

7．6在多目标数值函数优化中的应用 92

参数设置 92

空间分割个数对Pareto边界的影响 93

子空间划分形式对Pareto边界的影响 94

种内进化策略对Pareto边界的影响 94

超级个体的形成和更新策略对Pareto边界的影响 95

种间进化对Pareto边界的影响 96

7．7本章小结 97

参考文献 97

第8章 协同进化遗传算法在机器人路径规划中的应用 99

8．1机器人路径规划 99

传统路径规划方法 99

智能路径规划方法 100

8．2多机器人协调路径规划模型 102

8．3多机器人协调路径规划的协同进化遗传算法求解 105

递阶编码 105

适应度函数 107

遗传操作 108

算法步骤 108

8．4算例 108

问题描述 109

实验设置 109

实验结果及性能分析 109

8．5本章小结 110

参考文献 111

第9章 协同进化遗传算法在神经网络优化中的应用 113

9．1神经网络优化 113

传统训练算法 114

基于遗传算法的神经网络设计 115

9．2神经网络优化的协同进化遗传算法求解 117

进化种群分割 118

决策变量编码 118

交叉操作 120

变异操作 120

基于启发式的神经网络结构优化 121

适应度函数 122

代表个体选择 122

算法步骤 122

9．3用于分类的神经网络优化 123

问题描述 123

实验设置 124

实验结果及性能分析 124

9．4本章小结 126

参考文献 126

第10章 协同进化遗传算法在群体决策中的应用 128

10．1群体决策的必要性和难度 128

10．2分布协同交互式遗传算法 129

共享个体 130

群体决策结果的评价 133

类适应值替换 133

10．3在服装进化设计系统中的应用 134

实验设置 134

实验结果及分析 136

10．4本章小结 137

参考文献 138

附录 部分协同进化遗传算法源程序 139

附录1 标准合作型协同进化遗传算法MATLAB源程序 139

附录2 第8章机器人路径规划部分源程序 146