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