遗传算法(genetical algorithm)是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术，已广泛应用于计算机科学、人工智能、信息技术及工程实践。本书重点阐述了遗传算法的数学基础，内容包括遗传算法的几何理论，遗传算法的马尔可夫链分析，遗传算法的收敛理论。

遗传算法(genetical algorithm)是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术，已广泛应用于计算机科学、人工智能、信息技术及工程实践。

本书重点在于阐述遗传算法的数学基础。全书共分3章，第l章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了遗传算法的收敛理论。

本书可以作为应用数学、计算机科学、系统科学等专业研究生的教材，也可以作为研究遗传算法的参考书。

第2版前言

前言

绪论

0—1 遗传算法是一种仿生优化算法

0—2 遗传算法的发展与现状

0—3 遗传算法的基础理论研究

第1章 遗传算法的几何理论

1—1 遗传算法的基本概念

1—2 遗传机制与遗传算法

1—3 遗传机制的几何表示

1—4 杂交算子的几何性质

1—5 遗传机制的过程分析

1—6 遗传算法的几何解释

第2章 遗传算法的马氏链模型

2—1 马尔可夫链的定义及性质

2—2 标准遗传算法的马氏链模型

2—3 改进遗传算法的马氏链模型

2—4 优胜劣汰遗传算法的马氏链模型

2—5 等价类遗传算法的马氏链模型

2—6 遗传算法的马氏决策模型

第3章 遗传算法收敛性的一般理论

3一l 遗传算法收敛的定义及性质

3—2 遗传算法概率收敛定理

3—3 抽象遗传算法的概率收敛定理

3—4 遗传算法的几乎处处收敛定理

3—5 遗传算法的渐近收敛定理

3—6 遗传算法的停时计算问题

参考文献