第1章　簡介　1
1.1　什麼是人工智能　2
1.2　生物學類比　3
1.3　進化計算的曆史　4
1.4　進化計算的優勢　5
1.5　生物進化　7
生物進化的一個實例　8
1.6　基本術語　10
術語　10
1.7　搜索空間　11
1.7.1　適應度景觀　12
1.7.2　局部最優　14
1.8　參數　17
1.8.1　變異率　17
1.8.2　種群規模　18
1.8.3　交叉率　19
1.9　基因錶示　19
1.10　終止　20
1.11　搜索過程　20
1.12　參考文獻　22
第2章　實現一個基本遺傳算法　23
2.1　實現之前　23
2.2　基本遺傳算法的僞代碼　24
2.3　關於本書的代碼示例　25
2.4　基本實現　26
2.4.1　問題　27
2.4.2　參數　27
2.4.3　初始化　29
2.4.4　評估　35
2.4.5　終止檢查　38
2.4.6　交叉　41
2.5　輪盤賭選擇　41
2.6　交叉方法　42
2.7　交叉僞代碼　43
2.8　交叉實現　44
2.8.1　精英主義　48
2.8.2　變異　50
2.8.3　執行　53
2.9　小結　55
2.10　練習　56
第3章　機器人控製器　57
3.1　簡介　57
3.2　問題　58
3.3　實現　59
3.3.1　開始之前　59
3.3.2　編碼　60
3.3.3　初始化　64
3.3.4　評估　73
3.3.5　終止檢查　87
3.3.6　選擇方法和交叉　91
3.4　錦標賽選擇　91
3.5　單點交叉　93
執行　99
3.6　小結　101
3.7　練習　102
第4章　旅行商　103
4.1　簡介　103
4.2　問題　105
4.3　實現　106
4.3.1　開始之前　106
4.3.2　編碼　106
4.3.3　初始化　107
4.3.4　評估　111
4.3.5　終止檢查　117
4.3.6　交叉　118
4.3.7　變異　124
4.3.8　執行　126
4.4　小結　131
4.5　練習　132
第5章　排課　134
5.1　簡介　134
5.2　問題　135
5.3　實現　136
5.3.1　開始之前　137
5.3.2　編碼　137
5.3.3　初始化　138
5.3.4　執行類　158
5.3.5　評估　167
5.3.6　終止　169
5.3.7　變異　172
5.3.8　執行　174
5.4　分析和改進　179
5.5　小結　182
5.6　練習　182
第6章　優化　183
6.1　自適應遺傳算法　183
6.1.1　實現　184
6.1.2　練習　188
6.2　多次啓發　188
6.2.1　實現　189
6.2.2　練習　190
6.3　性能改進　191
6.3.1　適應度函數設計　191
6.3.2　並行處理　191
6.3.3　適應度值散列　193
6.3.4　編碼　197
6.3.5　變異和交叉方法　197
6.4　小結　198
· · · · · · (收起)