作者簡介 ······
Lee Jacobson來自英國布里斯托，是一名專業的自由職業軟體開發者。在大學期間學習了遺傳算法和其他最佳化技術後，他對這個主題產生了強烈的興趣。
Burak Kanber是土生土長的紐約人，他擁有機械工程的學士學位和碩士學位，專注於控制系統、機器人技術、汽車工程和混合動力汽車系統工程。但是，軟體一直是他終身的愛好，貫穿著Burak整個生命。
目錄 ······
第1章 簡介 1
1.1 什麼是人工智慧 2
1.2 生物學類比 3
1.3 進化計算的歷史 4
1.4 進化計算的優勢 5
1.5 生物進化 7
生物進化的一個實例 8
1.6 基本術語 10
術語 10
1.7 搜尋空間 11
1.7.1 適應度景觀 12
1.7.2 局部最優 14
1.8 參數 17
1.8.1 變異率 17
1.8.2 種群規模 18
1.8.3 交叉率 19
1.9 基因表示 19
1.10 終止 20
1.11 搜尋過程 20
1.12 參考文獻 22
第2章 實現一個基本遺傳算法 23
2.1 實現之前 23
2.2 基本遺傳算法的偽代碼 24
2.3 關於本書的代碼示例 25
2.4 基本實現 26
2.4.1 問題 27
2.4.2 參數 27
2.4.3 初始化 29
2.4.4 評估 35
2.4.5 終止檢查 38
2.4.6 交叉 41
2.5 輪盤賭選擇 41
2.6 交叉方法 42
2.7 交叉偽代碼 43
2.8 交叉實現 44
2.8.1 精英主義 48
2.8.2 變異 50
2.8.3 執行 53
2.9 小結 55
2.10 練習 56
第3章 機器人控制器 57
3.1 簡介 57
3.2 問題 58
3.3 實現 59
3.3.1 開始之前 59
3.3.2 編碼 60
3.3.3 初始化 64
3.3.4 評估 73
3.3.5 終止檢查 87
3.3.6 選擇方法和交叉 91
3.4 錦標賽選擇 91
3.5 單點交叉 93
執行 99
3.6 小結 101
3.7 練習 102
第4章 旅行商 103
4.1 簡介 103
4.2 問題 105
4.3 實現 106
4.3.1 開始之前 106
4.3.2 編碼 106
4.3.3 初始化 107
4.3.4 評估 111
4.3.5 終止檢查 117
4.3.6 交叉 118
4.3.7 變異 124
4.3.8 執行 126
4.4 小結 131
4.5 練習 132
第5章 排課 134
5.1 簡介 134
5.2 問題 135
5.3 實現 136
5.3.1 開始之前 137
5.3.2 編碼 137
5.3.3 初始化 138
5.3.4 執行類 158
5.3.5 評估 167
5.3.6 終止 169
5.3.7 變異 172
5.3.8 執行 174
5.4 分析和改進 179
5.5 小結 182
5.6 練習 182
第6章 最佳化 183
6.1 自適應遺傳算法 183
6.1.1 實現 184
6.1.2 練習 188
6.2 多次啟發 188
6.2.1 實現 189
6.2.2 練習 190
6.3 性能改進 191
6.3.1 適應度函式設計 191
6.3.2 並行處理 191
6.3.3 適應度值散列 193
6.3.4 編碼 197
6.3.5 變異和交叉方法 197
6.4 小結 198
