演化计算

　　演化计算主要包括遗传算法、演化策略、演化规划和遗传程序设计4个分支。本书将从演化计算的算法设计、理论分析和应用的角度对演化计算这一新技术进行系统全面地阐述和讨论。全书共分11章，讲述了演化算法的基本结构及原理、步骤，介绍了几种演化计算理论分析方法，讨论了演化算法在优化、非线性参数估计、自适应建模和神经网络系统设计等领域的应用及其并行实现，最后论述了演化计算中近几年兴起的一个新方向：：演化硬件等内容。本书可作为相应学科的研究生教材，也可供有关科研人员和工程技术人员阅读参考。

暂缺《演化计算》作者简介

第l章  绪论                  
     1. 1  引言                  
     1. 2  演化计算的主要分支                  
     1. 2. 1  遗传算法                  
     1. 2. 2  演化策略                  
     1. 2. 3  演化规划                  
     1. 2. 4  遗传程序设计                  
     1. 3  演化计算的主要特点                  
     1. 3. 1  智能性                  
     1. 3. 2  本质并行性                  
     1. 4  演化计算的研究内容及其前景                  
   第2章  演化计算的基本原理                  
     2. 1  演化计算的基本概念                  
     2. 2  演化计算的基本结构                  
     2. 3  演化计算的基本特征                  
     2. 4  演化计算与其它搜索方法的比较                  
     2. 5  演化计算的基本定理                  
     2. 5. 1  模式定理                  
     2. 5. 2  内含并行性定理                  
   第3章  演化算法的设计                  
     3. 1  设计演化算法的基本原则与步骤                  
     3. 1. 1  设计演化算法的基本原则                  
     3. 1. 2  设计演化算法的基本步骤                  
     3. 2  编码表示                  
     3. 2. 1  位串编码                  
     3. 2. 2  实数编码                  
     3. 2. 3  有序串编码                  
     3. 2. 4  结构式编码                  
     3. 3  适应性的度量                  
     3. 3. 1  原始适应函数                  
     3. 3. 2  标准适应函数                  
     3. 3. 3  适应值的调节                  
     3. 4  选择策略                  
     3. 4. l  基于适应值比例的选择                  
     3. 4. 2  基于排名的选择                  
     3. 4. 3  基于局部竞争机制的选择                  
     3. 5  演化算子的设计                  
     3. 5. 1  二进制编码                  
     3. 5. 2  实数编码                  
     3. 5. 3  结构式编码                  
     3. 6  演化算法控制参数的选取                  
     3. 6. 1  控制参数的优化及选取                  
     3. 6. 2  控制参数的自适应调节                  
     3. 7  演化算法的改进                  
     3. 7. 1  演化算法的高级操作                  
     3. 7. 2  演化算法的群体策略                  
     3. 7. 3  混合演化算法                  
   第4章  演化算法的理论分析                  
     4. 1  引言                  
     4. 2  演化算法的收敛性分析                  
     4. 2. 1  预备知识                  
     4. 2. 2  SGA的收敛性分析                  
     4. 3  演化算法选择压力的分析                  
     4. 4  SGA的动力学模型                  
     4. 4. 1  无限群体模型                  
     4. 4. 2  有限群体模型                  
     4. 5  遗传算法的全局随机搜索模型                  
     4. 5. 1  遗传算法理论的评价准则                  
     4. 5. 2  全局随机搜索方法                  
     4. 5. 3  代方法                  
     4. 5. 4  遗传算法的全局随机搜索模型                  
   第5章  演化优化                  
     5. 1  引言                  
     5. 2  演化函数优化                  
     5. 2. 1  问题的描述                  
     5. 2. 2  编码准则                  
     5. 2. 3  算法的性能评估                  
     5. 3  测试函数                  
     5. 3. 1  无约束优化的测试函数                  
     5. 3. 2  有约束优化的测试函数                  
     5. 3. 3  约束优化问题的难度特征                  
     5. 4  一个求解函数优化的演化算法                  
     5. 4. 1  编码表示                  
     5. 4. 2  选择                  
     5. 4. 3  遗传操作                  
     5. 4. 4  试验结果                  
     5. 5  约束的处理                  
     5. 5. 1  算子修正法                  
     5. 5. 2  惩罚函数法                  
     5. 5. 3  障碍函数法                  
     5. 5. 4  可行解搜索法                  
     5. 5. 5  混合法                  
     5. 6  演化组合优化                  
     5. 6. 1  TSP问题                  
     5. 6. 2  其它组合优化问题                  
   第6章  演化非线性参数估计                  
     6. 1  问题描述                  
     6. 2  非线性回归模型                  
     6. 3  算法描述及结果比较                  
     6. 4  模拟试验与分析                  
     6. 4. 1  搜索区间对算法性能的影响                  
     6. 4. 2  采样区间对算法性能的影响                  
     6. 4. 3  数据噪声对算法性能的影响                  
   第7章  演化自适应建模                  
     7. 1  问题的提出                  
     7. 2  遗传程序设计                  
     7. 3  演化自适应建模                  
     7. 3. 1  编码表示                  
     7. 3. 2  遗传算子的设计                  
     7. 3. 3  演化建模算法的实现                  
     7. 3. 4  计算实例                  
     7. 3. 5  结论                  
     7. 4  混合自适应建模                  
   第8章  演化人工神经网络                  
     8. 1  引言                  
     8. 2  人工神经网络的系统设计                  
     8. 2. 1  ANN系统设计的内容                  
     8. 2. 2  设计神经网络的方法                  
     8. 3  人工神经网络的演化                  
     8. 3. 1  网络演化方法                  
     8. 3. 2  同时演化网络的结构与权值的演化算法                  
   第9章  演化算法的并行实现                  
     9. 1  引言                  
     9. 2  分布式演化算法                  
     9. 2. 1  Walsh多项式                  
     9, 2. 2  迁移策略与算法结构                  
     9. 2. 3  计算试验与讨论                  
     9. 2. 4  基于人工选择的迁移模型                  
     9. 3  细粒度并行演化算法                  
     9. 3. 1  算法结构                  
     9. 3. 2  计算试验与讨论                  
     9. 4  并行演化算法的工作机理分析                  
   第10章  演化硬件                  
     l0. 1  引言                  
     10. 2  可编程专用集成电路简介                  
     10. 2. 1  PLD阵列结构                  
     10. 2. 2  FPGA的结构                  
     10. 3  演化硬件的实现                  
     10. 3. 1  演化硬件的染色体表示                  
     10. 3. 2  变长染色体遗传算法                  
     10. 4  演化硬件研究的现状和前景                  
   第11章  演化计算程序设计环境                  
     11. 1  引言                  
     11. 2  面向应用的系统                  
     11. 3  面向算法的系统                  
     11. 4  工具包系统                  
     11. 5  发展趋势展望                  
   附录A  遗传算法的一个示例源程序                  
   附录B  测试数据集                  
   参考文献                  
   索引