第1章 进化系统 1
1.1 进化理论的支柱 1
1.2 基因型 3
1.2.1 基因表达 4
1.2.2 遗传突变 6
1.2.3 非遗传DNA 6
1.3 人工进化 7
1.4 遗传表示 9
1.4.1 离散表示 9
1.4.2 实值表示 10
1.4.3 树形表示 10
1.4.4 进化性 11
1.5 初始化种群 12
1.6 适应度函数 12
1.7 选择与复制 13
1.8 遗传算子 14
1.8.1 交叉 15
1.8.2 变异 16
1.9 进化度量 16
1.10 进化算法类型 18
1.11 模式理论 21
1.12 与人类设计可比的进化 22
1.12.1 实例：天线进化 22
1.13 进化电子学 23
1.14 进化电子学经验教训 24
1.15 抽象的作用 25
1.16 模拟与数字电路 27
1.17 外部进化与内部进化 29
1.18 数字设计 32
1.19 进化数字设计 34
1.19.1 例1：机器人控制器的进化 35
1.19.2 实例2：数字电路的进化 36
1.19.3 实例3：FPGA进化实例中对传统抽象的超越 39
1.20 模拟设计 42
1.21 进化模拟设计 44
1.21.1 实例：高斯信号生成器的进化 46
1.22 多目标与约束 48
1.23 设计验证 50
1.24 结束语 51
1.25 阅读建议 54
第2章 细胞系统 56
2.1 基本构成 56
2.2 细胞自动机 59
2.2.1 特殊规则 60
2.2.2 时空图 60
2.3 细胞系统建模 62
2.3.1 举例：基础交通CA 62
2.3.2 细胞模型备注 63
2.4 一些经典的CA 66
2.4.1 初等的CA 66
2.4.2 康威的生命游戏 68
2.5 其他细胞系统 70
2.5.1 非均匀CA 71
2.5.2 异步CA 71
2.5.3 概率CA 72
2.5.4 粒子CA 72
2.5.5 耦合映像网格 75
2.5.6 细胞神经网络 75
2.5.7 具有多细胞空间的细胞系统 75
2.6 计算 77
2.7 人工生命 80
2.7.1 与生物学的对应关系 83
2.8 复杂系统 84
2.9 细胞系统的分解与合成 89
2.9.1 分解 89
2.9.2 合成 90
2.10 结束语 92
2.11 阅读建议 93
第3章 神经系统 95
3.1 生物神经系统 96
3.1.1 神经拓扑 98
3.1.2 神经通信 99
3.1.3 神经拓扑学 99
3.2 人工神经网络 101
3.3 神经元模型 103
3.4 结构 110
3.5 信号编码 111
3.6 突触可塑性 114
3.7 非监督学习 115
3.7.1 特征检测 116
3.7.2 多层特征检测 119
3.7.3 自组织映射 121
3.7.4 自适应共振理论 124
3.7.5 记忆形成 126
3.8 监督学习 128
3.8.1 误差反向传播 129
3.8.2 使用反向传播 132
3.8.3 反向传播应用实例 135
3.9 强化学习 138
3.10 神经网络的进化 139
3.10.1 进化和学习 143
3.11 神经硬件 147
3.12 混合神经系统 151
3.13 结束语 153
3.14 阅读建议 155
第4章 发育系统 157
4.1 发育表征的潜在优势 157
4.2 重写系统 158
4.2.1 L系统 158
4.2.2 龟形图标解释与结果展现 160
4.2.3 电路与网络：L系统的图形解读 164
4.2.4 植物、树枝和子网：带括号的L系统 164
4.2.5 主题的变化：随机L系统 166
4.2.6 数值和条件：参数L系统 168
4.2.7 信号和调节：上下文敏感的L系统 169
4.2.8 评价重写系统 171
4.3 发育系统的合成 173
4.4 进化与发育 174
4.5 定义人工进化发育系统 175
4.6 进化重写系统 176
4.6.1 二进制表示 176
4.6.2 句法表示 176
4.6.3 矩阵重写实例 178
4.6.4 树形表示 179
4.7 进化发育程序 181
4.7.1 细胞编码实例 181
4.8 进化发育过程 184
4.8.1 显型可塑性实例 185
4.8.2 形态基因 187
4.8.3 举例：形态发生系统 188
4.8.4 内在人工发育 192
4.8.5 细胞物理学 192
4.9 结束语 195
4.10 阅读建议 195
第5章 免疫系统 197
5.1 生物免疫系统机理 198
5.1.1 固有免疫系统 198
5.1.2 固有免疫的局限 198
5.1.3 子系统监控 200
5.1.4 自适应免疫系统 200
5.1.5 自适应免疫的局限 205
5.2 生物免疫系统的构成 207
5.3 人工免疫系统的经验 216
5.4 算法与应用 218
5.5 形状空间 219
5.5.1 实例：疫苗设计 223
5.6 负向选择算法 225
5.7 克隆选择算法 226
5.8 实例 227
5.8.1 人工免疫系统与轻量级入侵检测系统 227
5.8.2 免疫电子学 229
5.9 结束语 231
5.10 阅读建议 231
第6章 行为系统 233
6.1 认知科学中的行为 233
6.2 人工智能中的行为 235
6.3 基于行为的机器人 238
6.3.1 实例1：移动机器人的导航 241
6.3.2 实例2：智能轮椅 243
6.4 仿生机器人 245
6.4.1 实例1：基于视觉的飞行机器人 246
6.4.2 实例2：轮式腿 248
6.4.3 实例3：爬墙 250
6.4.4 实例4：仿人机器人 252
6.5 作为生物模型的机器人 257
6.5.1 实例1：鸣叫识别和定位 258
6.5.2 实例2：基于视觉的归位 259
6.5.3 实例3：从游泳到爬行 262
6.6 机器人学习 264
6.6.1 基于价值的学习 265
6.6.2 学习和形态学变化 266
6.6.3 模仿学习 268
6.7 行为系统的进化 271
6.7.1 实例1：无碰撞导航 271
6.7.2 实例2：行走 273
6.7.3 实例3：基于视觉的导航 275
6.7.4 实例4：计算神经行为学 281
6.8 行为系统中的进化和学习 284
6.8.1 实例1：自学控制器的进化 284
6.8.2 实例2：学习能力进化 285
6.8.3 实例3：无突触可塑性的类学习行为的进化 289
6.9 行为系统中的进化与神经发育 291
6.10 机体与控制的协同进化 294
6.11 自我复制 297
6.12 仿真与实现 299
6.13 结束语 302
6.14 阅读建议 303
第7章 集群系统 304
7.1 生物自组织 304
7.1.1 聚合 305
7.1.2 聚类 306
7.1.3 筑巢 306
7.1.4 觅食 306
7.1.5 分工 308
7.2 粒子群优化算法 309
7.3 蚁群优化算法 311
7.4 群体机器人 313
7.4.1 例1：协调探测 314
7.4.2 例2：传送和聚类 316
7.4.3 例3：重构 319
7.5 协同进化动力学：生物模型 323
7.5.1 捕食竞争 323
7.5.2 合作 324
7.6 竞争系统的人工进化 327
7.6.1 Tierra 328
7.6.2 程序的竞争性协同进化 329
7.6.3 竞争性协同进化进展 330
7.6.4 行为系统的竞争性协同进化 333
7.6.5 竞争性协同进化中个体发育的可塑性 337
7.7 协同人工进化 338
7.7.1 进化条件和任务要求 339
7.7.2 通信进化 342
7.8 结束语 344
7.9 阅读建议 345
结论 346
参考文献 347