内容简介
本书旨在系统地介绍遗传算法的理论、应用和发展，共包括9个章节的内容.
首先，本书讲述了遗传算法的起源、历程和主要研究方向，介绍了遗传算法的基本原理。其次，讨论了遗传算法的一般收敛性理论，遗传算法的马尔可夫链模型和收敛性分析，遗传算法的随机泛函分析。还介绍了遗传算法的模式理论，特别是遗传算法的模式欺骗性理论，以及欺骗问题的实验分析；并详细讨论了微观遗传策略-遗传算子的分析与设计，以及微观遗传策略中的参数设置和适应性微观遗传策略的设计。讨论了宏观遗传策略-遗传算法结构分析与设计。接下来介绍了遗传算法在知识获取中的应用，特别是概念学习和特征提取的遗传算法方法。讨论了遗传规划的原理、方法和收敛性分析，及其在典型问题中的应用。最后，介绍了遗传算法的发展-进化计算的原理与方法，给出了进化算法的一般框架和收敛性分析、讨论了NFL定理的意义，以及浮点实数编码的遗传算法在求解约束优化问题中的应用。附录中给出了一组典型的性能测试函数。
本书可以作为信息技术和管理科学专业的研究生教材，亦可供有关科研人员和工程技术人员阅读参考。
目录
前 言
第一章 概述
1. 1 从生物进化到进化计算
1. 2 遗传算法的特征与发展
1. 3 遗传算法理论研究
1. 4 遗传算法的应用
本章附录：遗传算法的基本术语
第二章 遗传算法的基本原理
2. 1 复杂系统的适应过程
2. 2 遗传算法的基本描述
2. 3 遗传算法的模式理论
2. 4 遗传算法与其他搜索技术的比较
2. 5 遗传算法计算实例
第三章 遗传算法的随机理论与分析
3. 1 遗传算法的一般收敛性理论
3. 2 遗传算法的马尔可夫链模型
3. 3 齐次遗传算法收敛性分析
3. 4 遗传算法的收敛速率分析
3. 5 广义退火遗传算法的收敛性
3. 6 遗传算法的随机泛函分析
第四章 遗传算法的模式理论与分析
4. 1 遗传算法的模式收敛性分析
4. 2 遗传算法模式欺骗问题分析
4. 3 遗传算法模式欺骗性的充分条件
4. 4 模式欺骗问题的实验分析
第五章 遗传算子的分析与设计
5. 1 群体的分析与设计
5. 2 选择算子的性质分析
5. 3 交叉算子的性质分析
5. 4 变异算子的性质分析
5. 5 微观遗传策略中的参数设置
5. 6 适应性微观遗传策略的设计
第六章 遗传算法结构分析与设计
6. 1 适应函数的复杂性分析
6. 2 单纯多群体遗传算法
6. 3 协同多群体遗传算法
6. 4 遗传算法与位爬山算法的结合
6. 5 组合优化问题的混合遗传算法
6. 6 并行遗传算法
第七章 遗传算法与知识获取
7. 1 基于数据库的知识发现
7. 2 CS-1系统与LS-1系统
7. 3 描述性概念的学习方法
7. 4 概念学习的模型表示
7. 5 CNF范式规则学习的GA方法
7. 6 DNF范式规则学习的GA方法
7. 7 概念学习中的特征提取
7. 8 基于GA的特征选择
7. 9 基于GA的特征变换
7. 10 基于GA的一种自动聚类方法
第八章 遗传规划及其应用
8. 1 遗传规划的基本原理与方法
8. 2 遗传规划的收敛性分析..
北京市公安局丰台分局备案编号：1101080539 
