進化計算的理論和方法

前言
第1章 緒論
　1.1 進化算法產(chǎn)生的背景
　1.2 進化算法傳統(tǒng)的4個分支
　1.2.1 遺傳算法
　1.2.2 進化策略
　1.2.3 進化規(guī)劃
　1.2.4 遺傳程序設計
　1.3 進化算法的主要特點及發(fā)展趨勢
第2章 進化計算的基本原理
　2.1 經(jīng)典遺傳算法簡介
　2.2 模式定理
　2.3 積木塊假設
　2.4 編碼規(guī)則、群體的設定及適應度函數(shù)的尺度化
　2.5 文獻中經(jīng)常出現(xiàn)的一些遺傳算子簡介
第3章 經(jīng)典遺傳算法的收斂性
　3.1 經(jīng)典遺傳算法回顧及相關概念
　3.2 經(jīng)典遺傳算法的馬爾可夫鏈分析
第4章 解無約束全局優(yōu)化問題的進化算法
　4.1 解無約束優(yōu)化問題的傳統(tǒng)遺傳算法
　4.1.1 實數(shù)編碼
　4.1.2 實數(shù)編碼中常見的遺傳算子
　4.1.3 解無約束優(yōu)化的步驟
　4.2 一種基于平滑技術的進化算法
　4.2.1 平滑技術
　4.2.2 設計新的進化算子
　4.2.3 新的進化算法及其收斂性
　4.2.4 用于平滑技術的圓形或球面搜索方法
　4.3 正交遺傳算法
　4.3.1 預備知識
　4.3.2 正交遺傳算法
　4.3.3 數(shù)值實驗和結(jié)論
　4.4 基于水平集進化與拉丁方的進化算法
　4.4.1 概念、假設和相關結(jié)論
　4.4.2 一種新的理論算法模型及其全局收斂性
　4.4.3 一個新的基于水平集進化與拉丁方的進化算法
　4.4.4 新的進化算法的全局收斂性
　4.4.5 模擬結(jié)果
第5章 解約束全局優(yōu)化問題的進化算法
　5.1 解約束優(yōu)化問題的傳統(tǒng)遺傳算法
　5.2 基于新的罰函數(shù)模型的一個進化算法
　5.3 收斂性分析
　5.4 仿真實驗及分析
　5.5 解約束或無約束優(yōu)化問題的進化策略
第6章 求解組合優(yōu)化問題的進化算法
　6.1 求解tsp問題的傳統(tǒng)進化算法
　6.2 求解運輸問題的傳統(tǒng)進化算法
　6.3 求解其他離散問題的傳統(tǒng)進化方法
　6.4 求解tsp問題的一個新的進化算法
第7章 多目標優(yōu)化的進化算法
　7.1 基本概念簡介
　7.2 一些典型方法簡介
　7.3 基于均勻權向量組的加權進化算法
　7.4 多目標優(yōu)化算法性能的度量
　7.5 動態(tài)多目標優(yōu)化算法
第8章 求解非線性雙層規(guī)劃的進化算法
　8.1 引言
　8.2 轉(zhuǎn)化為等價的單目標優(yōu)化問題
　8.3 新的進化算法
　8.4 全局收斂性
　8.5 仿真結(jié)果
第9章 進化算法的收斂理論
　9.1 基本概念及相關理論簡介
　9.2 收斂性的充分條件介紹
　9.3 收斂性的兩個特殊充分條件
　9.4 兩個收斂性充分條件用于一些特定算法的收斂性分析
　9.5 不采用精英保留策略的進化算法收斂性
　9.6 進化算法收斂速度和強凸函數(shù)
　9.7 實數(shù)編碼，搜索空間為rn或s rn上的進化算法的收斂性
　9.8 進化算法的收斂準則
參考文獻