第一章 绪论 1
1.1 遗传算法的生物学基础 1
1.2 遗传算法简介 4
1.3 遗传算法的特点 11
1.4 遗传算法的发展 13
1.5 遗传算法的应用 15
第二章 基本遗传算法 18
2.1 基本遗传算法描述 18
2.2 基本遗传算法的实现 21
2.3 基本遗传算法应用举例 24
第三章 遗传算法的基本实现技术 32
3.1 编码方法 32
3.2 适应度函数 41
3.3 选择算子 45
3.4 交叉算子 51
3.5 变异算子 54
3.6 遗传算法的运行参数 58
3.7 约束条件的处理方法 60
3.8 遗传算法工具箱 64
第四章 遗传算法的高级实现技术 65
4.1 倒位算子 65
4.2 二倍体与显性操作算子 67
4.3 变长度染色体遗传算法 71
4.4 小生境遗传算法 74
4.5 混合遗传算法 78
5.1 遗传算法的并行化 90
第五章 并行遗传算法 90
5.2 实现并行遗传算法的标准型并行方法 94
5.3 实现并行遗传算法的分解型并行方法 97
5.4 伪并行遗传算法 104
第六章 遗传算法的数学理论 108
6.1 模式定理 108
6.2 积木块假设与遗传算法欺骗问题 113
6.3 隐含并行性 114
6.4 遗传算法的收敛性分析 116
6.5 适应度函数的自相关分析 119
第七章 遗传算法的应用 123
7.1 数值函数优化计算 123
7.2 多目标优化 130
7.3 求解装箱问题的遗传算法 138
7.4 求解旅行商问题的遗传算法 143
7.5 离散空间下机器人路径规划的遗传算法 156
7.6 连续空间下机器人路径规划的遗传算法 161
第八章 进化计算 166
8.1 进化计算概要 166
8.2 遗传算法 168
8.3 进化策略 169
8.4 进化规划 172
8.5 三种典型进化算法的比较 174
附录Ⅰ 基本遗传算法源程序 176
附录Ⅱ 基本术语(中英文对照) 189
参考文献 196