非數(shù)值并行算法（第二冊 遺傳算法）

第一章 緒論
1·1 自然進化與遺傳算法
1·2 遺傳算法的描述
1·3 表示方案的實例
1·3·1 工程設計的最優(yōu)化
1·3·2 人工蟻問題
1·4 遺傳算法的特點
1·5 遺傳算法的發(fā)展簡史
1·6 遺傳算法的研究內容及其前景
第二章 遺傳算法的數(shù)學理論
2·1 遺傳算法的基本定理
2·2 隱含并行性
2·3 基因塊假設
2·4 最小欺騙問題
2·5 遺傳算法欺騙問題的分析與設計
5·2·6 模式的幾何表示
5·2·7 遺傳算法收斂性分析
2·7·1 基本定義
2·7·2 守恒雜交算子
2·7·3 完全變異算子
2·7·4 遺傳算法的馬爾柯夫鏈分析
第三章 解連續(xù)優(yōu)化問題的遺傳算法
s·3·1 基本的遺傳算法
3·1·1 引言
3·1·2 算法描述
3·1·3 算法性能分析
3·1·4 從目標函數(shù)到適應函數(shù)
3·1·5 基本的選擇方法
3·2 遺傳算法中控制參數(shù)的最優(yōu)化
3·2·1 自適應系統(tǒng)模型
3·2·2 試驗設計
3·2·3 試驗結果
3·3 適應值的比例變換
3·3·1 基本的比例方法
3·3·2 用于選擇比例函數(shù)的準則的性質
3·3·3 比例函數(shù)的一維族
3·3 比例函數(shù)的m維族
3·4 解函數(shù)優(yōu)化的并行遺傳算法
3·4·1 遺傳算法與并行計算機
3·4·2 并行搜索和最優(yōu)化
3·4·3 并行遺傳算法的形式描述
3·4·4 性能評估
3·4·5 數(shù)值結果
3·4·6 超線性加速比
3·4·7 PGA與一般最優(yōu)化方法
3·5 混合遺傳算法
3·5·1 混合的原則
3·5·2 修改的遺傳算子
3·6 退火演化算法
3·6·1 模擬退火算法概述
3·6·2 退火演化算法用于求解連續(xù)優(yōu)化問題
3·6·3 比較結果及退火演化算法的并行策略
3·7 約束最優(yōu)化問題
第四章 用遺傳算法設計神經網絡
4·1 神經網絡概述
4·2 感知機結構的設計
4·2·1 感知機模型及其學習算法
4·2·2 神經網絡設計與遺傳算法
4·2·3 感知機的遺傳表示
4·2·4 演化過程
4·2·5 試驗設計
4·3 前饋神經網絡的設計
4·3·1 反問傳播法
4·3·2 混合學習系統(tǒng)
4·3·3 試驗結果和結論
第五章 遺傳算法在組合優(yōu)化中的應用
5·1 基于有序的遺傳算法和圖著色問題
5·1·1 圖著色問題
5·1·2 基于有序的表示和遺傳算子
5·1·3 圖著色問題的實例
5·2 解貨郎擔問題的遺傳算法
5·2·1 貨郎擔問題與幾個常用的遺傳算子
5·2·2 算法描述
5·2·3 貨郎擔問題的計算結果
5·3 解映射問題的并行遺傳算法
5·3·1 引言
5·3·2 遺傳表示和并行策略
5·3·3 并行遺傳算法的執(zhí)行分析
第六章 遺傳程序設計與程序設計自動化
6·1 引言
6·2 遺傳程序設計的主要步驟
6·3 遺傳程序設計的具體描述
6·3·1 函數(shù)集和端點集
6·3·2 初始結構
6·3·3 適應值度量
6·3·4 主要操作
6·3·5 控制參數(shù)
6·4 解人工蟻問題的遺傳程序設計
第七章 遺傳算法與其它自適應搜索方法的比較
7·1 引言
7·2 四種自適應搜索方法的比較
7·3 結束語
附錄 Grotschel貨郎擔問題的頂點坐標
參考文獻