MATLAB遺傳算法工具箱及應用（第二版）

第一章   遺傳算法概述                 1
　1.1   遺傳算法的概念                 1   
　1.2   遺傳算法的特點                 3
　　1.2.1   遺傳算法的優(yōu)點                 3
　　1.2.2   遺傳算法的不足之處                 4   
　1.3   遺傳算法與傳統(tǒng)方法的比較                 4   
　1.4   遺傳算法的基本用語                 6   
　1.5   遺傳算法的研究方向                 7   
　1.6   基于遺傳算法的應用                 8
第二章   基本遺傳算法及改進                 11   
　2.1   遺傳算法的運行過程                 11
　　2.1.1   完整的遺傳算法運算流程                 11
　　2.1.2   遺傳算法的基本操作                 13   
　2.2   基本遺傳算法                 14
　　2.2.1   基本遺傳算法的數(shù)學模型                 14
　　2.2.2   基本遺傳算法的步驟                 14
　　2.2.3   遺傳算法的具體例證                 16   
　2.3   改進的遺傳算法                 22
　　2.3.1   改進的遺傳算法一                 23
　　2.3.2   改進的遺傳算法二                 24
　　2.3.3   改進的遺傳算法三                 25
　　2.3.4   改進的遺傳算法四                 27   
　2.4   多目標優(yōu)化中的遺傳算法                 29
　　2.4.1   多目標優(yōu)化的概念                 30
　　2.4.2   多目標優(yōu)化問題的遺傳算法                 31

第三章   遺傳算法的理論基礎                 33   
　3.1   模式定理                 33   
　3.2   積木塊假設                 35   
　3.3   欺騙問題                 36   
　3.4   遺傳算法的未成熟收斂問題及其防止                 38
　　3.4.1   遺傳算法的未成熟收斂問題                 38
　　3.4.2   未成熟收斂的防止                 39   
　3.5   性能評估                 40   
　3.6   小生境技術和共享函數(shù)                 42

第四章   遺傳算法的基本原理與方法                 43   
　4.1   編碼                 43
　　4.1.1   編碼方法                 44
　　4.1.2   編碼評估策略                 46   
　4.2   選擇                 46   
　4.3   交叉                 50   
　4.4   變異                 53   
　4.5   適應度函數(shù)                 55
　　4.5.1   適應度函數(shù)的作用                 55
　　4.5.2   適應度函數(shù)的設計主要滿足的條件                 56
　　4.5.3   適應度函數(shù)的種類                 56
　　4.5.4   適應度尺度的變換                 57   
　4.6   控制參數(shù)的選擇                 58   
　4.7   約束條件的處理                 59
第五章   遺傳算法工具箱函數(shù)                 60   
　5.1   工具箱結構                 60
　　5.1.1   種群表示和初始化                 61
　　5.1.2   適應度計算                 61
　　5.1.3   選擇函數(shù)                 61
　　5.1.4   變異算子                 62
　　5.1.5   交叉算子                 62
　　5.1.6   多子群支持                 62   
　5.2   遺傳算法中的通用函數(shù)                 62
　　5.2.1   函數(shù) bs2rv                 62
　　5.2.2   函數(shù) crtbase                 64
　　5.2.3   函數(shù) crtbp                 64
　　5.2.4   函數(shù) crtrp                 65
　　5.2.5   函數(shù) migrate                 66
　　5.2.6   函數(shù) mut                 67
　　5.2.7   函數(shù) mutate                 69
　　5.2.8   函數(shù) mutbga                 70
　　5.2.9   函數(shù) ranking                 72
　　5.2.10   函數(shù) recdis                 74
　　5.2.11   函數(shù) recint                 75
　　5.2.12   函數(shù) reclin                 76
　　5.2.13   函數(shù) recmut                 77
　　5.2.14   函數(shù) recombin                 79
　　5.2.15   函數(shù) reins                 80
　　5.2.16   函數(shù) rep                 82
　　5.2.17   函數(shù) rws                 82
　　5.2.18   函數(shù) scaling                 83
　　5.2.19   函數(shù) select                 84
　　5.2.20   函數(shù) sus                 86
　　5.2.21   函數(shù) xovdp                 86
　　5.2.22   函數(shù) xovdprs                 87
　　5.2.23   函數(shù) xovmp                 88
　　5.2.24   函數(shù) xovsh                 89
　　5.2.25   函數(shù) xovshrs                 90
　　5.2.26   函數(shù) xovsp                 91
　　5.2.27   函數(shù) xovsprs                 92

第六章   遺傳算法工具箱的介紹                 93   
　6.1   安裝                 93   
　6.2   種群的表示和初始化                 93   
　6.3   目標函數(shù)和適應度函數(shù)                 94   
　6.4   選擇                 95   
　6.5   交叉                 97   
　6.6   變異                 98   
　6.7   重插入                 99   
　6.8   遺傳算法的終止                 100   
　6.9   數(shù)據(jù)結構                 100   
　6.10   多種群支持                 101   
　6.11   示范腳本                 103
第七章   遺傳算法應用舉例                 104   
　7.1   簡單一元函數(shù)優(yōu)化實例                 104   
　7.2   多元單峰函數(shù)的優(yōu)化實例                 108   
　7.3   多元多峰函數(shù)的優(yōu)化實例                 112   
　7.4   收獲系統(tǒng)最優(yōu)控制                 115   
　7.5   裝載系統(tǒng)的最優(yōu)問題                 119   
　7.6   離散二次線性系統(tǒng)最優(yōu)控制問題                 122   
　7.7   目標分配問題                 125   
　7.8   雙積分的優(yōu)化問題                 127   
　7.9   雷達目標識別問題                 128   
　7.10   圖像增強問題                 131   
　7.11   一些測試函數(shù)對應的優(yōu)化問題                 133
　　7.11.1   軸并行超球體的最小值問題                 133
　　7.11.2   旋轉超球體的最小值問題                 134
　　7.11.3   Rosenbrock′s Valley最小值問題                 135
　　7.11.4   Rastrigin函數(shù)的最小值問題                 136
　　7.11.5   Schwefel函數(shù)的最小值問題                 137
　　7.11.6   Griewangk函數(shù)的最小值問題                 138
　　7.11.7   不同權的總和最小值問題                 139   
　7.12   多目標優(yōu)化問題                 139
第八章   使用MATLAB遺傳算法工具                 143   
　8.1   遺傳算法與直接搜索工具箱概述                 143
　　8.1.1   工具箱的特點                 143
　　8.1.2   編寫待優(yōu)化函數(shù)的M文件                 145   
　8.2   使用遺傳算法工具初步                 146
　　8.2.1   遺傳算法使用規(guī)則                 147
　　8.2.2   遺傳算法使用方式                 147
　　8.2.3   舉例：Rastrigin函數(shù)                 149
　　8.2.4   遺傳算法的一些術語                 154
　　8.2.5   遺傳算法如何工作                 155   
　8.3   使用遺傳算法工具求解問題                 158
　　8.3.1   使用遺傳算法工具GUI                 158
　　8.3.2   從命令行使用遺傳算法                 170
　　8.3.3   遺傳算法舉例                 177
　　8.3.4   混合整數(shù)優(yōu)化                 196
　　8.3.5   用遺傳算法求解混合整數(shù)工程設計問題                 201   
　8.4   遺傳算法參數(shù)和函數(shù)                 207
　　8.4.1   遺傳算法參數(shù)                 207
　　8.4.2   遺傳算法函數(shù)                 217
　　8.4.3   標準算法選項                 223
第九章   使用MATLAB直接搜索工具                 224   
　9.1   直接搜索工具概述                 224   
　9.2   直接搜索算法                 225
　　9.2.1   直接搜索                 225
　　9.2.2   執(zhí)行模式搜索                 225
　　9.2.3   尋找函數(shù)最小值                 227
　　9.2.4   模式搜索術語                 229
　　9.2.5   模式搜索如何工作                 230   
　9.3   使用直接搜索工具                 235
　　9.3.1   瀏覽模式搜索工具                 235
　　9.3.2   從命令行運行模式搜索                 245
　　9.3.3   模式搜索算法舉例                 248
　　9.3.4   參數(shù)化函數(shù)                 267
　　9.3.5   用戶繪圖函數(shù)                 269
　　9.3.6   向量化目標函數(shù)和約束函數(shù)                 272
　　9.3.7   并行優(yōu)化ODE問題                 274   
　9.4   模式搜索參數(shù)和函數(shù)                 281
　　9.4.1   模式搜索參數(shù)                 282
　　9.4.2   模式搜索函數(shù)                 294   
　9.5   搜索和表決                 300
　　9.5.1   搜索的定義                 300
　　9.5.2   搜索方法                 301
　　9.5.3   搜索類型                 301
　　9.5.4   搜索時機                 301   
　9.6   非線性約束求解算法                 302
第十章   遺傳算法在圖像處理中的應用                 303   
　10.1   基于GA的圖像分割方法                 303
　　10.1.1   基于簡單GA的圖像分割閾值法                 303
　　10.1.2   基于改進GA的圖像分割方法                 309   
　10.2   最大類間方差法與GA相結合的圖像分割方法                 317   
　10.3   最佳直方圖熵法與GA相結合的圖像分割方法                 319   
　10.4   最佳直方圖熵法與改進GA相結合的圖像分割方法                 322   
　10.5   二維最佳直方圖熵法及改進GA分割圖像方法                 325   
　10.6   基于GA的植物病害葉片中的病斑提取方法                 332   
　10.7   基于遺傳神經網(wǎng)絡的圖像分割方法                 333   
　10.8   基于GA的文字提取方法                 336
參考文獻                 340