图书介绍
进化计算PDF|Epub|txt|kindle电子书版本网盘下载
- 王正志，薄涛著 著
- 出版社： 长沙：国防科技大学出版社
- ISBN：7810246356
- 出版时间：2000
- 标注页数：474页
- 文件大小：15MB
- 文件页数：491页
- 主题词：遗传(学科: 算法) 遗传 算法
PDF下载
下载说明
进化计算PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第一章 生物进化与新达尔文主义1
1.1 进化论1
1.2 繁殖5
1.3 变异6
1.4 竞争8
1.5 选择11
1.6 进化优化受益者14
1.7 适应与拓扑19
1.8 总结25
第二章 遗传算法的起源及搜索策略26
2.1 遗传算法的起源26
2.1.1 GA的定义27
2.1.2 GA应用的例子30
2.2 求解优化问题的搜索方法与搜索策略37
2.2.1 搜索方法的分类37
2.2.2 搜索方法的搜索策略38
3.1 模式定理42
3.1.1 模式的定义42
第三章 遗传算法的基本理论42
3.1.2 模式定理43
3.1.3 建筑块假说47
3.1.4 内在并行性48
3.2 双臂赌机问题50
3.2.1 双臂赌机问题及分析51
3.2.2 模式定理的意义58
3.2.3 k臂赌机问题的局限性59
4.1.1 渐近收敛61
4.1 收敛性的各种定义61
第四章 遗传算法的收敛性分析61
4.1.2 概率意义下的收敛62
4.2 基于压缩映射原理的收敛性分析62
4.2.1 压缩映射原理63
4.2.2 cmGA及其收敛性分析64
4.3 基于有限Markov链的收敛性分析66
4.3.1 有关有限Markov链的预备知识67
4.3.2 Markov链分析方法回顾69
4.3.3 GA的收敛性分析70
4.4 动力学模型75
4.4.1 Vose模型76
4.4.2 Bertoni模型78
4.5 停止准则81
第五章 遗传算法的改进96
5.1 遗传算法的局限性96
5.2 强方法与弱方法99
5.3 二进制编码方案与浮点数编码方案101
5.4 选择压力分析107
5.4.1 选择算子的修改108
5.4.2 适值函数的尺度变换117
5.5 局部微调119
5.6 动态编码127
5.6.1 随机平均法127
5.6.2 Delta编码与动态参数编码130
5.7 欺骗问题与链接问题133
5.8 种群规模分析136
5.8.1 基于初始建筑块数目的种群规模分析136
5.8.2 基于建筑块决策的种群规模分析137
5.8.3 基于赌徒输光问题的种群规模分析147
5.9 建筑块混合与控制图154
5.10.2 线性假设引人160
5.10 上位效应160
5.10.1 上位效应概念160
5.10.3 上位效应要素161
第六章 mGA与LLGA163
6.1 mGA164
6.1.1 mGA的编码方案164
6.1.2 mGA的遗传算子165
6.1.3 mGA的算法流程168
6.1.4 fmGA170
6.2 LLGA177
6.2.1 LLGA的编码方案178
6.2.2 遗传算子181
6.2.3 链接度与随机链接度183
6.2.4 LLGA的算法流程185
6.2.5 压缩内含子186
第七章 约束条件的处理188
7.1 线性约束条件190
7.1.1 问题的简化190
7.1.3 遗传算子191
7.1.2 表示方案191
7.1.4 初始化种群194
7.1.5 应用GENOCOP的一个实例195
7.1.6 GENOCOP的进一步改进197
7.2 非线性约束条件200
7.2.1 问题的一般形式200
7.2.2 GENOCOPⅡ的算法流程200
7.2.3 应用GENOCOPⅡ的实例203
7.3 GENOCOPⅢ简介208
8.1 旅行商(TSP)问题212
第八章 组合优化问题212
8.1.1 近邻表示213
8.1.2 序表示216
8.1.3 路径表示218
8.1.4 边表示224
8.1.5 其他表示方案227
8.1.6 其他搜索策略243
8.1.7 算法性能度量244
8.2 调度问题245
8.2.1 作业调度问题246
8.2.2 时间表问题250
第九章 进化策略和进化规划252
9.1 进化算法的早期研究252
9.2 进化策略258
9.3 进化规划262
9.4 进化算法的收敛性分析269
9.4.1 进化算法的描述270
9.4.2 用有限Markov理论分析进化算法271
9.4.3 进化算法的收敛速率274
第十章 进化计算框架285
10.1 进化算法和遗传算法之间的哲学差别285
10.2 交叉算子与变异算子的比较287
10.3 进化计算框架296
10.3.1 表示法297
10.3.2 进化算子298
10.3.3 算法定义300
10.3.4 gfmGA的形式化定义302
11.1 遗传机器学习概述311
第十一章 遗传机器学习311
11.1.1 遗传机器学习系统的结构312
11.1.2 匹兹堡方法与密西根方法314
11.1.3 产生式系统体系结构316
11.2 机器学习方法一：参数调节319
11.3 机器学习方法二：改变数据结构327
11.4 密西根方法：分类器系统334
11.4.1 分类器系统概述335
11.4.2 信度分配机制——斗链式算法338
11.4.3 分类器重组机制——遗传算法343
11.4.4 分类器的运行343
11.5 分类器实例345
11.5.1 ANIMATE分类器系统345
11.5.2 煤气管道操作分类器系统349
11.5.3 新型战斗机驾驶规则学习352
11.6 匹兹堡方法：学习系统368
11.6.1 学习系统概述370
11.6.2 规则集合的重组372
11.7 组织学习方法374
11.6.3 LS-I的性能374
11.7.1 组织的增长375
11.7.2 自主组织学习384
11.8 囚徒窘境问题400
11.8.1 Axelrod竞赛402
11.8.2 Fogel有限状态机403
第十二章 机器人轨迹规划419
12.1 机器人系统419
12.2 机器人仿真模型422
12.3.1 轨迹规划表示423
12.3 机器人轨迹规划方法423
12.3.2 轨迹规划方法427
12.3.3 Lamarck效应和子目标回报431
12.4 机器人轨迹规划的应用436
12.4.1 MR-501特性436
12.4.2 机器人轨迹规划系统设计437
12.4.3 机器人规划的性能443
附录A 有限状态自动机451
附录B 产生式系统454
参考文献460