《MATLAB 遗传算法工具箱及应用·第二版》一书的word转pdf版,为保护版权不对外提供原书的word版。本文件是在原书word版的基础上转换成pdf而成,非扫描版,极致清晰。
作 者:雷英杰 张善文 李续武 周创明
出版社:西安电子科技大学出版社
第一章 遗传算法概述 1
1.1 遗传算法的概念 1
1.2 遗传算法的特点 3
1.2.
1 遗传算法的优点 3
1.2.2 遗传算法的不足之处 4
1.3 遗传算法与传统方法的比较 4
1.4 遗传算法的基本用语 6
1.5 遗传算法的研究方向 7
1.6 基于遗传算法的应用 8
第二章 基本遗传算法及改进 11
2.1 遗传算法的运行过程 11
2.1.1 完整的遗传算法运算流程 11
2.1.2 遗传算法的基本操作 13
2.2 基本遗传算法 14
2.2.1 基本遗传算法的数学模型 14
2.2.2 基本遗传算法的步骤 14
2.2.3 遗传算法的具体例证 16
2.3 改进的遗传算法 22
2.3.1 改进的遗传算法一 23
2.3.2 改进的遗传算法二 24
2.3.3 改进的遗传算法三 25
2.3.4 改进的遗传算法四 28
2.4 多目标优化中的遗传算法 30
2.4.1 多目标优化的概念 30
2.4.2 多目标优化问题的遗传算法 31
第三章 遗传算法的理论基础 34
3.1 模式定理 34
3.2 积木块假设 36
3.3 欺骗问题 37
3.4 遗传算法的未成熟收敛问题及其防止 39
3.4.1 遗传算法的未成熟收敛问题 39
3.4.2 未成熟收敛的防止 40
3.5 性能评估 41
3.6 小生境技术和共享函数 43
第四章 遗传算法的基本原理与方法 45
4.1 编码 45
4.1.1 编码方法 46
4.1.2 编码评估策略 48
4.2 选择 48
4.3 交叉 52
4.4 变异 55
4.5 适应度函数 57
4.5.1 适应度函数的作用 57
4.5.2 适应度函数的设计主要满足的条件 58
4.5.3 适应度函数的种类 58
4.5.4 适应度尺度的变换 59
4.6 控制参数选择 60
4.7 约束条件的处理 61
第五章 遗传算法工具箱函数 62
5.1 工具箱结构 62
5.1.1 种群表示和初始化 63
5.1.2 适应度计算 63
5.1.3 选择函数 63
5.1.4 交叉算子 64
5.1.5 变异算子 64
5.1.6 多子群支持 64
5.2 遗传算法中的通用函数 64
5.2.1 函数 bs2rv 64
5.2.2 函数 crtbase 66
5.2.3 函数 crtbp 66
5.2.4 函数 crtrp 67
5.2.5 函数 migrate 68
5.2.6 函数 mut 69
5.2.7 函数 mutate 71
5.2.8 函数 mutbga 72
5.2.9 函数 ranking 74
5.2.10 函数 recdis 76
5.2.11 函数 recint 77
5.2.12 函数 reclin 78
5.2.13 函数 recmut 79
5.2.14 函数 recombin 81
5.2.15 函数 reins 81
5.2.16 函数 rep 84
5.2.17 函数 rws 84
5.2.18 函数 scaling 85
5.2.19 函数 select 86
5.2.20 函数 sus 88
5.2.21 函数 xovdp 88
5.2.22 函数 xovdprs 89
5.2.23 函数 xovmp 90
5.2.24 函数 xovsh 91
5.2.25 函数 xovshrs 92
5.2.26 函数 xovsp 93
5.2.27 函数 xovsprs 94
第六章 遗传算法工具箱的应用 95
6.1 安装 95
6.2 种群的表示和初始化 95
6.3 目标函数和适应度函数 96
6.4 选择 97
6.5 交叉 99
6.6 变异 101
6.7 重插入 101
6.8 遗传算法的终止 102
6.9 数据结构 102
6.10 多种群支持 104
6.11 示范脚本 105
第七章 遗传算法应用举例 107
7.1 简单一元函数优化实例 107
7.2 多元单峰函数的优化实例 111
7.3 多元多峰函数的优化实例 115
7.4 收获系统最优控制 118
7.5 装载系统的最优问题 122
7.6 离散二次线性系
1