交互式遗传算法原理及其应用PDF电子书下载

第1章　交互式遗传算法概述 1

1.1 交互式遗传算法的提出 1

1.2 交互式遗传算法的概念 2

1.3 交互式遗传算法的应用 5

1.4 交互式遗传算法的核心问题 8

1.4.1 个体适应值估计 8

1.4.2 加速进化收敛 9

1.5 本书主要内容及安排 11

1.6 本章小结 11

参考文献 12

2.1 交互式遗传算法的环境 17

第2章　交互式遗传算法的环境 17

2.2　交互式遗传算法环境的波动性 19

2.3 交互式遗传算法个体适应值的不一致性 20

2.4 本章小结 21

参考文献 21

第3章　基于关系代数的交互式遗传算法模型 22

3.1 关系代数 22

3.2 基因意义单元 23

3.3 搜索空间及个体的关系代数描述 25

3.4 遗传操作的关系代数描述 25

8.5 交互式遗传算法的关系代数模型 27

3.6 用于服装进化设计系统的交互式遗传算法的关系代数描述 28

参考文献 29

3.7 本章小结 29

第4章　基于神经网络的进化个体适应值分阶段估计 31

4.1 用于进化个体适应值估计的神经网络 32

4.1.1 神经网络模型 32

4.1.2 神经网络的泛化能力 33

4.2 神经网络学习及效果评价 34

4.3 基于神经网络的进化个体适应值分阶段估计 35

4.4 算法性能分析 37

4.5 在服装进化设计系统中的应用 37

4.5.1 服装设计问题与个体编码 37

4.5.2 参数设置 39

4.5.3 设计过程 39

4.6 本章小结 42

参考文献 43

第5章　基于基因意义单元“适应值”的进化个体适应值估计 44

5.1 预备知识 44

5.2 基于基因意义单元“适应值”的个体适应值估计 46

5.2.1 算法思想 46

5.2.2 个体适应值估计方法 47

5.3 在服装进化设计系统中的应用 49

5.3.1 服装设计问题描述与个体编码 49

5.3.2 参数设置 49

5.3.3 进化个体适应值估计过程 50

5.3.4 对比实验 51

5.4 本章小结 52

参考文献 53

第6章　基于多近似模型的进化个体适应值估计 54

6.1 算法的提出 55

6.2 基于多近似模型的进化个体适应值估计 56

6.2.1 算法思想 56

6.2.2 搜索空间划分 56

6.2.3 估计模型的生成 56

6.2.4 进化个体评价 57

6.3 算法性能分析 58

6.4 在服装进化设计系统中的应用 59

6.4.1 服装设计问题及个体编码 59

6.4.3 搜索空间划分 61

6.4.4 设计过程 61

6.4.2 近似模型的选取 61

6.5 本章小结 64

参考文献 65

第7章　基于基因意义单元的最优进化个体直接生成 66

7.1 方法的提出 67

7.2 最优进化个体直接生成方法 67

7.3 在服装进化设计系统中的应用 70

7.3.1 服装设计问题及进化个体编码 70

7.3.2 进化策略与参数设置 71

7.3.3 最优进化个体生成过程 71

7.3.4 性能比较 72

7.4 本章小结 73

参考文献 74

第8章　分层交互式遗传算法 75

8.1 方法的提出 76

8.2 分层交互式遗传算法 77

8.2.1 算法思想 77

8.2.2 分层条件 77

8.2.3 局部搜索基因（意义单元）段的选定 78

8.2.4 算法步骤 78

8.3 性能分析 80

8.4 在服装进化设计系统中的应用 81

8.4.1 服装设计问题及进化个体编码 81

8.4.2 参数设置与个体替换方法 81

8.4.3 设计过程 81

8.4.4 性能对比 83

参考文献 84

8.5 本章小结 84

第9章　基于禁忌域扩大和早熟收敛预防的交互式遗传算法 85

9.1 算法的提出 85

9.2 基于禁忌等位基因意义单元和禁忌个体的有效搜索空间缩小 87

9.2.1 算法思想 87

9.2.2 基于禁忌等位基因意义单元的有效搜索空间缩小 87

9.2.3 禁忌等位基因意义单元确定 90

9.2.4 基于禁忌个体的有效搜索空间缩小 91

9.2.5 有效搜索空间缩小速度及种群收敛代数估计 92

9.3 早熟收敛预防 94

9.4 算法流程 94

9.5.1 服装设计问题及进化个体编码 96

9.5.2 进化策略与参数设置 96

9.5 在服装进化设计系统中的应用 96

9.5.3 参数取值对算法性能的影响 98

9.5.4 与其他交互式遗传算法的比较 100

9.6 本章小结 101

参考文献 102

第10章　基于用户偏好的协同交互式遗传算法 103

10.1 算法的提出 103

10.2 基于用户偏好的协同交互式遗传算法 105

10.2.1 算法思想 105

10.2.2 用户偏好抽取 105

10.2.3 用户偏好存储 107

10.2.4 偏好相似用户寻找 107

10.2.6 算法步骤 108

10.2.5 算法系统结构 108

10.3 在服装进化设计系统中的应用 110

10.3.1 服装设计问题及个体编码 110

10.3.2 参数设置 110

10.3.3 用户偏好抽取 110

10.3.4 用户偏好应用 110

10.3.5 性能比较 112

10.4 本章小结 112

参考文献 112

第11章 多种群自适应分层交互式遗传算法 114

11.1 算法的提出 114

11.2.2 多种群交互式遗传算法模型和个体迁移、替换策略 116

11.2 多种群自适应分层交互式遗传算法 116

11.2.1 算法思想 116

11.2.3 近亲交叉回避和自适应单点变异 118

11.2.4 多种群交互式遗传算法分层条件和子搜索区域确定 119

11.2.5 算法步骤 121

11.3 基于局域网络的实现 123

11.4 在服装进化设计系统中的应用 124

11.4.1 服装设计问题及进化个体编码 124

11.4.2 参数设置 124

11.4.3 设计过程 124

11.4.4 性能对比 126

11.5 本章小结 128

参考文献 129

第12章　基于多智能体系统的协同进化交互式遗传算法模型 130

12.1 模型的提出 130

12.2 基于多智能体系统的协同进化交互式遗传算法模型 131

12.2.1 交互式遗传算法单元 132

12.2.2 协同进化单元 134

12.3 面向智能体程序设计的协同进化交互式遗传算法描述 136

12.4 服装进化设计系统实例描述 141

12.4.1 进化agent实例描述 141

12.4.2 人机交互agent实例描述 142

12.4.3 接口agent实例描述 143

12.4.4 信息agent实例描述 143

12.4.5 综合评价agent实例描述 144

12.4.7 控制agent实例描述 145

12.4.6 协调agent实例描述 145

12.5 本章小结 147

参考文献 147

第13章　基于多智能体系统的知识引导交互式遗传算法 148

13.1 算法的提出 148

13.2 基于多智能体系统的知识引导交互式遗传算法 149

13.3 知识引导agent 151

13.3.1 知识描述 152

13.3.2 知识提取 152

13.3.3 知识更新 155

13.3.4 知识引导 156

13.3.5 知识引导agent功能描述及其状态切换条件 157

13.4.2 实验设计 158

13.4 在服装进化设计系统中的应用 158

13.4.1 服装设计问题个体编码及参数设置 158

13.4.3 算法比较 159

13.4.4 人的疲劳度 159

13.5 本章小结 161

参考文献 161

第14章　交互式遗传算法进化个体适应值降噪策略 162

14.1 方法的提出 162

14.2 交互式遗传算法的噪声 164

14.2.1 噪声来源 164

14.2.2 认知度 165

14.2.3 疲劳度 165

14.2.4 噪声函数 166

14.3.1 算法思想 167

14.3.2 适应值可信度 167

14.3 用于降噪的进化个体适应值调整 167

14.3.3 Nc和Nf的确定 168

14.3.4 进化个体适应值调整 170

14.3.5 算法步骤 170

14.4 在服装进化设计系统中的应用 172

14.4.1 服装设计问题及进化个体编码 172

14.4.2 进化策略与参数设置 173

14.4.3 设计过程与结果 173

14.5 本章小结 175

参考文献 176

15.1 方法的提出 177

第15章　交互式遗传算法与混合性能指标优化 177

15.2 混合性能指标优化问题数学描述 179

15.3 混合性能指标优化问题的进化优化方法 179

15.3.1 算法思想 179

15.3.2 优化方法 180

15.4 在服装进化设计系统中的应用 182

15.4.1 服装设计问题的混合性能指标 182

15.4.2 进化个体编码和参数设置 186

15.4.3 进化个体适应值和性能指标权重确定 187

15.4.4 系统实现 187

15.5 本章小结 189

参考文献 190

附录　部分交互式遗传算法源程序 191