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，并详细讨论了微观遗传策略、宏观遗传策略和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，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
8．3 遗传规划／遗传算法在复合地基承载力计算中的应用
8．4 遗传规划在混沌时间序列预测中的应用
8．5 基于遗传规划的确定性模式分类器
第九章 进化算法的原理与方法
9．1 进化算法的一般框架
9．2 进化算法的自适应机制
9．3 基于实数编码的遗传算法的收敛性
9．4 进化规划和进化策略的收敛性
9．5 不采用精英个体保留策略的进化算法的收敛性
9．6 关于nfl定理的推导与讨论
9．7 进化规划和进化策略中三种变异算子的性质和比较
9．8 用fga求解约束优化问题
附录 ga性能测试函数
主要参考文献
前言
20世纪40年代以来，科学家不断努力从生物学中寻求用于计算科学和人工系统的新思想、新方法。很多学者对关于从生物进化和遗传的机理中开发出适合于现实世界复杂适应系统研究的计算技术--自然进化系统的计算模型，以及模拟进化过程的算法进行了长期的开拓性的探索和研究，John H．Holland教授及其学生首先提出的遗传算法就是一个重要的发展方向。
从1989年起，我们开始接触到了遗传算法的一些研究成果。1994年，寇纪淞教授在美国访问研究期间，有幸到美国密歇根大学拜访了JohnH．Holland教授。Holland教授热情接待，并将最新出版的Adaptation in Natural and Artificial Sys-rems第二版签名相赠。同时，介绍了他自己和多位知名的遗传算法专家的研究情况，使我们对遗传算法的研究和应用领域有了更深刻的认识。
按照生物学上可进化性的概念，遗传算法所追求的也是当前群体产生更好个体的能力，即遗传算法的可进化性或称群体可进化性。遗传算法的理论和方法研究也围绕着这一目标展开。比如，如何更好地模拟复杂系统的适应性过程和进化行为?在优化问题求解中怎样才能具备全局收敛性?算法的搜索效率如何评价?算法的设计与参数控制的理论基础是什么?遗传算法与其他算法的如何结合?等等。关于遗传算法第1个方面的研究主要是由Holland的团队和Santa Fe Insti-tute的EVCA研究组等少数单位开展的。大部分专家和研究机构则主要集中于遗传算法作为优化问题通用求解算法
