本書簡單、直接地介紹了遺傳算法，並且針對所討論的示例問題，給出了Java代碼的算法實現。全書共分災6章。第1章簡單介紹了人工智慧和生物進化的知識背景，這也是遺傳算法的歷史知識背景。第2章給出了一個基本遺傳算法的實現；第4章和第5章，分別針對機器人控制器、旅行商問題、排課問題展開分析和討論，並給出了算法實現。在這些章的末尾，還給出了一些練習供讀者深入學習和實踐。第6章專門討論了各種算法的最佳化問題。
本書適合機器學習愛好者閱讀，尤其適合對遺傳算法的理論和實現感興趣的讀者閱讀參考。
基本介紹
- 書名：Java遺傳算法編程
- 作者： Lee Jacobson、Burak Kanber
- 原版名稱：Genetic Algorithms in Java Basics
- 譯者：王海鵬
- ISBN：9787115437310
- 頁數：199
- 定價： 49元
- 出版社：人民郵電出版社
- 出版時間： 2016-12-6
- 裝幀：平裝
作者簡介 ······,目錄 ······,
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
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
