遗传算法原理与应用实例PDF|Epub|txt|kindle电子书版本网盘下载

遗传算法原理与应用实例PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1从生物进化到遗传算法2

1.2遗传算法的描述6

1.3表示方案的实例15

1.3.1工程设计的最优化16

1.3.2人工蚁问题18

1.4遗传算法的特点22

1.5遗传算法的发展简史25

1.6遗传算法的研究内容及前景32

1.7遗传算法的应用36

第2章 遗传算法的基本原理39

2.1复杂系统的适应过程40

2.1.1复杂系统的适应性41

2.1.2适应过程的数学模型45

2.2遗传算法的基本描述49

2.2.1整体优化问题50

2.2.2遗传算法的基本流程51

2.2.3遗传编码52

2.2.4适应函数（评价函数）59

2.2.5遗传算子60

2.2.6群体设定70

2.2.7初始化群体71

2.2.8终止循环的条件71

2.2.9标准遗传算法的流程72

2.2.10控制参数和选择72

2.2.11遗传算法的性能评估73

2.3遗传算法的模式理论75

2.3.1模式与模式空间75

2.3.2模式生存模型78

2.3.3双臂赌机分析81

2.3.4基因模块假设83

2.3.5模式处理与隐含并行性86

2.3.6模式处理与遗传算子的性能88

2.4遗传算法与其他搜索技术的比较89

2.4.1启发式随机搜索技术的基本功能90

2.4.2局域搜索技术91

2.4.3模拟退火算法92

2.4.4遗传算法搜索93

2.4.5启发式搜索技术比较94

2.5遗传算法计算实例96

2.5.1单调连续函数96

2.5.2 One-Max函数100

2.5.3皇家大道问题101

2.6遗传算法杂交率与变异率关系的研究105

2.6.1研究方法简述106

2.6.2算例106

2.6.3应用108

2.6.4结论109

第3章 遗传算法数学机理分析111

3.1遗传算法的基本定理112

3.2隐含并行性119

3.3 Walsh模式变换121

3.3.1 Walsh函数121

3.3.2用Walsh函数表示模式平均适应度124

3.3.3 Walsh系数与异位显性（epistasis）124

3.4非均匀Walsh模式变换128

3.5最小欺骗问题129

3.6遗传算法欺骗问题的分析与设计136

3.7模式的几何表示137

3.8遗传算法收敛分析138

3.8.1基本定义139

3.8.2守恒杂交算子142

3.8.3完全变异算子144

3.8.4遗传算法的马尔可夫（Markov）链分析145

第4章 解连续优化问题的遗传算法149

4.1基本的遗传算法149

4.1.1引言149

4.1.2算法描述150

4.1.3算法性能分析152

4.1.4从目标函数到适应函数155

4.1.5基本的选择（复制）方法157

4.2遗传算法中控制参数的最优化158

4.2.1自适应系统模型158

4.2.2试验设计160

4.2.3试验结果164

4.3适应值的比例变换167

4.3.1基本的比例方法167

4.3.2用于选择比例函数的准则的性质170

4.3.3比例函数的一维族172

4.3.4比例函数的m维族175

4.4解函数优化的并行遗传算法179

4.4.1遗传算法与并行计算机179

4.4.2并行搜索和最优化181

4.4.3并行遗传算法的形式描述181

4.4.4性能评估185

4.4.5数值结果188

4.4.6超线性加速比189

4.4.7 PGA与一般最优化方法190

4.5混合遗传算法191

4.5.1混合的原则191

4.5.2修改的遗传算子192

4.6退火演化算法194

4.6.1模拟退火算法概述194

4.6.2退火演化算法用于求解连续优化问题196

4.6.3比较结果及退火演化算法的并行策略198

4.7约束最优化问题201

4.8遗传算法控制参数优化策略研究205

4.8.1 Pc、Pm的调整策略206

4.8.2动态收敛准则208

4.8.3最佳群体规模的确定209

第5章 分布式遗传算法研究211

5.1 PGA分类211

5.1.1全局PGA模型211

5.1.2粗粒度PGA模型213

5.1.3粗粒度模型的生物学依据215

5.1.4细粒度PGA模型216

5.1.5细粒度模型的理论基础217

5.1.6 混合PGA模型218

5.2分布式遗传算法简介218

5.2.1工作站机群（COW）并行计算模式219

5.2.2分布式PGA219

5.2.3 PVM简介221

5.2.4 PVM的编程模式222

5.3分布式遗传算法的实现和算法研究222

5.3.1基于Windows Socket编程223

5.3.2 Windows Socket编程算例226

5.3.3结论及进一步的工作236

5.4分布式遗传算法求解TSP问题的CORBA实现研究237

5.4.1应用CORBA技术的原因238

5.4.2分布式遗传算法求解TSP问题的CORBA实现软件体系结构239

5.4.3分布式遗传算法求解TSP问题的CORBA实现的优越性240

5.4.4参数设置和计算方法240

5.4.5计算结果241

5.4.6实验中表现出来的三条规律242

5.4.7实验结果的验证246

5.5一种新的混合分布式并行遗传算法246

5.5.1 SEGA的算法描述247

5.5.2 SEGA算法的收敛性分析249

5.5.3 SEGA算法的时间复杂度分析251

5.5.4 SEGA算法在有约束性问题中的应用252

5.5.5实验与结果254

5.5.6粗粒度并行遗传算法的分布式实现255

5.5.7 ENDGA算法的设计与分析262

5.5.8 ENDGA算法平台建立269

5.5.9用ENDGA算法解决实际问题272

5.6基于群体规模可变的粗粒度并行遗传算法277

5.6.1基于一般粗粒度并行遗传算法分析278

5.6.2基于群体规模可变的粗粒度并行遗传算法279

5.6.3仿真研究281

第6章 遗传算法的实现技术284

6.1关于遗传算法的进一步讨论284

6.1.1遗传算法中参数的编码原则284

6.1.2目标函数的选取和选择淘汰的原则285

6.1.3遗传算法控制参数的选择原则287

6.2一种改进的实数编码遗传算法288

6.2.1改进设想288

6.2.2改进的遗传算法程序291

6.2.3对遗传算法程序的说明291

6.2.4改进算法的伪码描述292

6.2.5改进的实数编码遗传算法程序运行实验293

6.3一种改进的整数编码遗传算法306

6.3.1算法介绍307

6.3.2算法性能310

6.3.3结论313

6.4基于复数编码的遗传算法研究314

6.4.1引言314

6.4.2基于双倍体结构的遗传算法314

6.4.3复数遗传算法流程317

6.4.4试验方案及结果317

6.4.5结论319

6.5基于混合编码的遗传算法研究319

6.5.1引言320

6.5.2混合编码遗传算法320

6.5.3混合编码遗传算法中遗传算子的设计322

6.5.4优化实验324

6.5.5讨论326

6.6自适应遗传算法研究327

6.6.1 M.Srinivas提出的自适应遗传算法328

6.6.2一种改进的自适应遗传算法328

6.6.3新的改进的自适应遗传算法330

6.6.4自适应遗传算法的新探索337

6.6.5群体规模自适应遗传算法341

6.7基于多亲遗传机制的多目标优化算法345

6.7.1问题的提出345

6.7.2基于多亲遗传机制的多目标优化算法346

6.7.3小结352

第7章 遗传算法应用实例353

7.1化学反应动力学模型参数估算353

7.1.1费托合成反应的研究简介353

7.1.2费托合成反应动力学实验353

7.1.3费托合成反应动力学模型354

7.1.4动力学参数回归实验结果及分析356

7.2遗传算法和贪婪算法结合用于图的着色问题361

7.2.1图的着色的基本概念362

7.2.2遗传算法与贪婪算法的结合用于图的着色365

7.2.3着色问题的混合遗传算法368

7.2.4实验结果与分析372

7.3基于遗传算法求解惠更斯问题375

7.3.1问题陈述375

7.3.2算法设计376

7.3.3实验结果及分析378

7.4基于遗传算法的病态线性方程组求解383

7.4.1问题陈述384

7.4.2求解病态线性方程组的遗传算法的构造过程386

7.4.3算法实验设计389

7.4.4模拟结果与分析393

7.4.5模拟结果分析397

7.4.6结论399

附录A改进的实数编码遗传算法程序401

附录B基本遗传算法示例程序425

参考文献439