进化算法的模式、涌现与困难性研究

前言

第1章 进化计算概述

　1.1 进化计算的发展历程

　1.2 进化计算的主要特点

　1.3 进化计算的理论研究

　1.4 进化计算的应用现状

　1.5 主要研究内容

第2章 进化算法的模式理论

　2.1 进化算子的统一表示

　2.2 模式理论及相关定义

　2.3 建筑块假设和适度模式

　2.4 基于排序选择下的准确模式理论

　2.5 依概率选择下的准确模式理论

　2.6 模式的形式不变性及准确模式理论

　2.7 变长度进化计算中的模式理论

　2.8 基于准确模式理论下的建筑块理论

　2.9 本章小结

第3章 进化算法中的涌现及混沌

　3.1 进化计算中的涌现

　3.2 进化计算中的混沌现象

　3.3 有限群体遗传算法的动力性

　3.4 本章小结

第4章 遗传算法适应值曲面和困难度影响因素

　4.1 适应值曲面概念的起源与发展状况

　4.2 遗传算法适应值曲面的定义及相关结构分析

　4.3 随机游走模型的时间序列分析

　4.4 模式适应值曲面与动态适应值曲面

　4.5 NFL定理及遗传算法困难度分析的意义

　4.6 遗传算法的模式欺骗性分析

　4.7 基因关联分析与测试

　4.8 影响遗传算法困难度的其他因素

　4.9 本章小结

第5章 遗传算法困难度测试

　5.1 几种常见的遗传算法困难度测试方法

　5.2 遗传算法适应值曲面上的排序统计分析

　5.3 遗传算法适应值曲面的分形分析

　5.4 基于模式适应值曲面的基因关联测试

　5.5 测试实数编码遗传算法的困难度

　5.6 基于进化动力统计分析的遗传算子性能测试

　5.7 困难问题的构造及遗传算法改进策略

　5.8 本章小结

　本章附录：遗传算法性能测试函数

第6章 并行进化算法和子群遗传算法

　6.1 并行进化算法

　6.2 子群遗传算法及其在皇家大道函数上的应用

　6.3 子群遗传算法在多模态问题上的应用

　6.4 本章小结

第7章 总结与展望

　7.1 总结

　7.2 展望

参考文献