致谢
缩写
第一篇 进化优化引论
第1章 绪论
1.1 术语
1.2 又一本关于进化算法的书
1.3 先修课程
1.4 家庭作业
1.5 符号
1.6 本书的大纲
1.7 基于本书的课程
第2章 优化
2.1 无约束优化
2.2 约束优化
2.3 多目标优化
2.4 多峰优化
2.5 组合优化
2.6 爬山法
2.6.1 有偏优化算法
2.6.2 蒙特卡罗仿真的重要性
2.7 智能
2.7.1 自适应
2.7.2 随机性
2.7.3 交流
2.7.4 反馈
2.7.5 探索与开发
2.8 总结
习题
第二篇 经典进化算法
第3章 遗传算法
3.1 遗传学的历史
3.1.1 查尔斯·达尔文
3.1.2 格雷戈尔·孟德尔
3.2 遗传学
3.3 遗传算法的历史
3.4 一个简单的二进制遗传算法
3.4.1 用于机器人设计的遗传算法
3.4.2 选择与交叉
3.4.3 变异
3.4.4 遗传算法的总结
3.4.5 遗传算法的参数调试及其例子
3.5 简单的连续遗传算法
3.6 总结
习题
第4章 遗传算法的数学模型
4.1 图式理论
4.2 马尔可夫链
4.3 进化算法的马尔可夫模型的符号
4.4 遗传算法的马尔可夫模型
4.4.1 选择
4.4.2 变异
4.4.3 交叉
4.5 遗传算法的动态系统模型
4.5.1 选择
4.5.2 变异
4.5.3 交叉
4.6 总结
习题
第5章 进化规划
5.1 连续进化规划
5.2 有限状态机优化
5.3 离散进化规划
5.4 囚徒困境
……
第三篇 较新的进化算法
第四篇 优化问题的特殊类型
第五篇 附录

进化算法是一种人工智能。自然界中观察到的诸如自然选择、物种迁移、鸟群、人类文化、和蚁群等优化过程启发我们开发出进化算法。
丹·西蒙著的《进化优化算法(基于仿生和种群的计算机智能方法)/应用数学译丛》讨论进化优化算法的理论、历史、数学和编程。主要包括遗传算法、遗传规划、蚁群优化、粒子群优化、差分进化、基于生物地理学优化以及其他多种算法。
以一种直观但理论上严谨的方式介绍进化算法，同时重视算法的实施。
仔细讨论了较新的进化算法,包括反向学习、人工鱼群、细菌觅食以及其他多种算法。
每章都配有练习题，教师可以在线获得习题答案。
借助简单的例子帮助读者直观理解理论。
从作者的网页上可以得到主要的源代码。
介绍分析进化算法的数学技巧，包括马尔可夫建模和动态系统建模。
本书适合作为高年级本科生和研究生的教材，对工程和计算机科学领域的研究人员也大有裨益。