遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。由于其具有健壮性,特别适合于处理传统搜索算法解决不好的复杂的和非线性问题。以遗传算法为核心的进化算法已与模糊系统理论、人工神经网络等一起成为计算智能研究中的热点,受到许多学科的共同关注。
本书全面系统地介绍了遗传算法的基本理论,**介绍了遗传算法的经典应用和国内外的新发展。全书共分11章。第1章概述了遗传算法的产生与发展、基本思想、基本操作以及应用情况;第2章介绍了基本遗传算法;第3章论述了遗传算法的数学基础;第4章分析了遗传算法的多种改进方法;第5章初步介绍了进化计算理论体系;第6章介绍了遗传算法应用于数值代化问题;第7章介绍了遗传算法应用于组合优化问题;第8章介绍了遗传算法应用于机器学习;第9章讨论了遗传算法在智能控制中的应用;第10章讨论了遗传算法与人工生命研究的相关问题;第11章介绍了遗传算法在图像处理、模式识别中的应用。
本书可供从事计算智能、自动控制、图像处理与模式识别、系统工程、优化设计、高性能计算等专业领域的研究人员阅读,也可供研究生及高年级大学生参考。

第1章 遗传算法简介
1.1 遗传算法的产生与发展
1.2 遗传算法概要
1.3 遗传算法的基本操作
1.4 遗传算法的应用情况
参考文献
第2章 基本遗传算法
2.1 简单函数优化的实例
2.2 遗传基因型
2.3 适应度函数及其尺度变换
2.4 遗传操作
2.5 算法设计与实现
参考文献
第3章 遗传算法的数学基础
3.1 模式定理
3.2 Walsh模式变换
3.3 非均匀Walsh模式变换
3.4 欺骗问题
3.5 遗传算法动态分析