[美] 杰弗瑞·希顿（Jeffery Heaton），一位活跃的技术博主、开源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的不错会员、Sun认证Java程序员、开源机器学习框架Encog的首席开发人员。

第1章 种群、计分和选择
1.1 理解种群
1.1.1 初始种群
1.1.2 种群成员之间的竞争
1.1.3 种群成员之间的合作
1.1.4 表型和基因型
1.1.5 岛屿种群
1.2 对种群计分
1.3 从种群中选择
1.4 截断选择
1.5 联赛选择
1.6 如何选择轮数
1.7 适应度比例选择
1.8 随机遍历抽样
选择一种选择算法
1.9 本章小结
第2章 交叉和突变
2.1 演化算法
2.2 解编码
2.3 交叉
2.3.1 拼接交叉
2.3.2 无重复拼接交叉
2.3.3 其他突变和交叉策略
2.4 突变
2.4.1 改组突变
2.4.2 扰动突变
2.5 为什么需要精英
2.6 本章小结
第3章 遗传算法
3.1 离散问题的遗传算法
3.1.1 旅行商问题
3.1.2 为旅行商问题设计遗传算法
3.1.3 旅行商问题在遗传算法中的应用
3.2 连续问题的遗传算法
3.3 遗传算法的其他应用
3.3.1 标签云
3.3.2 马赛克艺术
3.4 本章小结
第4章 遗传编程
4.1 程序作为树
4.1.1 后缀表示法
4.1.2 树表示法
4.1.3 终端节点和非终端节点
4.1.4 对树求值
4.1.5 生成树
4.1.6 满树初始化
4.1.7 生长树初始化
4.1.8 混合初始化
4.1.9 蓄水池采样
4.2 树突变
4.3 树交叉
4.4 拟合公式
4.5 本章小结
第5章 物种形成
5.1 物种形成实现
5.1.1 阈值物种形成
5.1.2 聚类物种形成
5.2 遗传算法中的物种
5.3 遗传编程中的物种
5.4 使用物种形成
5.5 本章小结
第6章 粒子群优化
6.1 群聚
6.2 粒子群优化
6.2.1 粒子
6.2.2 速度计算
6.2.3 实现
6.3 本章小结
第7章 蚁群优化
7.1 离散蚁群优化
7.1.1 ACO初始化
7.1.2 蚂蚁移动
7.1.3 信息素更新
7.2 连续蚁群优化
7.2.1 初始候选解
7.2.2 蚂蚁移动
7.3 本章小结
第8章 细胞自动机
8.1 基本细胞自动机
8.2 康威的《生命游戏》
8.2.1 《生命游戏》的规则
8.2.2 有趣的生命图案
8.3 演化自己的细胞自动机理解合并物理学
8.4 本章小结
第9章 人

全彩印刷，实例讲解易于理解的人工智能基础算法，丰富的示例代码和在线资源，方便动手实践与拓展学习。

算法是人工智能技术的核心，大自然是人工智能算法的重要灵感来源。本书介绍了受到基因、鸟类、蚂蚁、细胞和树影响的算法，这些算法为多种类型的人工智能场景提供了实际解决方法。全书共10章，涉及种群、交叉和突变、遗传算法、物种形成、粒子群优化、蚁群优化、细胞自动机、人工生命和建模等问题。书中所有算法均配以具体的数值计算来进行讲解，每章都配有程序示例，读者可以自行尝试。