第1章 遗传算法的基本原理及其改进方法 1
1．1 生物进化与遗传 1
1．2 遗传算法研究的发展与现状 2
1．3 遗传算法的基本原理 3
1．4 遗传算法的理论研究 7
1．5 遗传算法的改进研究 8
1．6 综合改进方法的研究 19
第2章 遗传算法收敛性定义和统一数学描述 23
2．1 数学基础 23
2．2 遗传算法的收敛性定义 24
2．3 遗传算法的统一数学描述 26
2．4 概率模型 31
第3章 遗传算法收敛性和收敛速度的研究 33
3．1 数学基础 33
3．2 GA收敛性和收敛速度问题的数学描述 34
3．3 基于随机矩阵的GA收敛性分析和收敛速度估计 34
3．4 基于特征值的GA收敛性分析和收敛速度估计 37
第4章 最优保留遗传算法及其收敛性分析 50
4．1 最优保留与最优保留遗传算法 50
4．2 全局收敛的EGA及其收敛本质 50
4．3 全局收敛EGA的实现方法及其收敛性分析 51
4．4 一种新形式的EGA 54
4．5 一种自适应GA的收敛性及时齐性分析 56
第5章 遗传算法种群多样性的研究 60
5．1 过早收敛现象的表征及产生原因 60
5．2 种群多样性的定义和度量 61
5．3 种群多样性的含义 67
5．4 遗传算子对种群多样性的影响 68
第6章 模糊遗传算法 78
6．1 模糊遗传算法的基本设计思想 78
6．2 基于种群多样性的模糊遗传算法 82
第7章 综合改进遗传算法 86
7．1 现有GA改进方法及其在TMRGA中的应用 87
7．2 TMRGA的描述 88
7．3 仿真结果及TMRGA性能分析 92
第8章 遗传算法在船舶横摇运动的模糊建模中的应用 100
8．1 船舶横摇运动的传统数学模型 100
8．2 模糊遗传算法在T－S模型辨识中的应用 102
8．3 船舶横摇模糊建模 110
第9章 遗传算法在船舶减摇鳍控制器优化设计中的应用 115
9．1 船舶减摇鳍控制系统构成 115
9．2 减摇鳍控制规律 118
9．3 适用于减摇鳍PID控制器优化设计的改进的遗传算法 119
9．4 线性情况下基于遗传算法的减摇鳍系统PID控制器的优化设计 123
9．5 非线性情况下基于遗传算法的减摇鳍PID控制器的优化设计 129
参考文献 141