第1部分 遗传算法基础第1章 遗传算法简介1.1 遗传算法的概念1.1.1 达尔文进化论1.1.2 遗传算法分析1.2 遗传算法背后的理论1.3 与传统算法的区别1.3.1 种群基础1.3.2 基因编码1.3.3 适应度函数1.3.4 概率行为1.4 遗传算法的优点1.4.1 全局优化1.4.2 处理复杂问题1.4.3 处理缺少数学模型的问题1.4.4 抗噪声能力1.4.5 并行处理1.4.6 持续学习1.5.1 特殊定义1.5 遗传算法的局限性1.5.2 超参数优化1.5.3 计算密集型操作1.5.4 过早收敛1.5.5 无绝对最优解1.6 遗传算法的适用情形小结拓展阅读第2章 理解遗传算法的关键要素2.1 遗传算法的基本流程2.1.1 创建初始种群2.1.2 计算适应度值2.1.3 应用选择、交叉和变异算子2.1.4 迭代停止的条件2.2 选择算子2.2.1 轮盘赌选择2.2.2 随机通用抽样2.2.3 基于排序的选择2.2.4 适应度缩放2.2.5 锦标赛选择2.3 交叉算子2.3.1 单点交叉2.3.2 两点交叉和k点交叉2.3.3 均匀交叉法2.3.4 有序列表的交叉2.3.5 顺序交叉2.4 变异算子2.4.1 反转变异2.4.2 交换变异2.4.3 逆序变异2.4.4 重组变异2.5 实数编码的遗传算法2.5.1 混合交叉2.5.2 模拟二进制交叉2.5.3 实数变异2.6 理解精英保留策略2.7 小生境和共享2.8 遗传算法解决问题的应用方法小结拓展阅读……第2部分 使用遗传算法解决问题第3部分 遗传算法的人工智能应用第4部分 相关方法