| 第一章 基于自然界生物进化的遗传算法 | 第1-16页 |
| 1．1 引言 | 第8-9页 |
| 1．2 生物进化 | 第9-10页 |
| 1．3 遗传算法 | 第10-16页 |
| 1．3．1 发展历史 | 第10页 |
| 1．3．2 简单遗传算法的定义及基本流程 | 第10-12页 |
| 1．3．3 基本用语 | 第12-13页 |
| 1．3．4 遗传算法的特点 | 第13-16页 |
| 第二章 遗传算法基本原理的研究与分析 | 第16-36页 |
| 2．1 模式定理 | 第16-17页 |
| 2．2 模式定理的扩展研究——维染色体编码的模式定理 | 第17-21页 |
| 2．2．1 一维染色体编码遗传算法基本概念的扩展定义 | 第17-18页 |
| 2．2．2 一维染色体编码遗传算法模式定理及推导 | 第18-21页 |
| 2．3 遗传算法的理论研究 | 第21-29页 |
| 2．3．1 遗传算法理论的局限性 | 第21-24页 |
| 2．3．2 遗传算法在应用中的主要缺陷 | 第24页 |
| 2．3．3 积木块假设 | 第24-26页 |
| 2．3．4 保持优良结构原则 | 第26-29页 |
| 2．4 交叉和变异 | 第29-36页 |
| 2．4．1 交叉和变异算子的比较 | 第29-31页 |
| 2．4．2 交叉和变异算子对算法的影响分析 | 第31-36页 |
| 第三章 标准遗传算法的改进 | 第36-50页 |
| 3．1 对标准遗传算法群体概念的扩展 | 第36-40页 |
| 3．1．1 标准遗传算法群体概念的分析 | 第36-39页 |
| 3．1．2 繁殖群体与生存竞争群体 | 第39-40页 |
| 3．2 遗传算法计算模型的改进 | 第40-47页 |
| 3．2．1 两个新群体概念的意义及依据 | 第40-42页 |
| 3．2．2 两个群体规模差异的重要性及依据 | 第42-43页 |
| 3．2．3 应用于繁殖群体上的繁殖策略 | 第43-45页 |
| 3．2．4 应用于生存竞争群体上的选择策略 | 第45-47页 |
| 3．2．5 算法计算模型的改进及其意义和作用 | 第47页 |
| 3．3 基于改进模型的遗传算法设计实例 | 第47-50页 |
| 第四章 遗传算法收敛性分析 | 第50-62页 |
| 4．1 收敛性的定义 | 第50-51页 |
| 4．1．1 渐近收敛 | 第50-51页 |
| 4．1．2 概率意义下的收敛 | 第51页 |
| 4．2 基于压缩映射原理的收敛性分析 | 第51-54页 |
| 4．2．1 压缩映射原理 | 第51-52页 |
| 4．2．2 TNGA的收敛性分析 | 第52-54页 |
| 4．3 基于有限Markov链的收敛性分析 | 第54-62页 |
| 4．3．1 标准遗传算法的收敛性 | 第56-60页 |
| 4．3．2 改进遗传算法的收敛性 | 第60-62页 |
| 第五章 遗传算法程序设计与工具构造 | 第62-71页 |
| 5．1 开发GA软件系统必须处理的问题 | 第62-64页 |
| 5．2 用模块化方法开发GA的软件体系结构 | 第64-65页 |
| 5．3 基于面向对象技术的GA程序设计 | 第65-69页 |
| 5．4 遗传算法的并行计算 | 第69-71页 |
| 第六章 遗传算法应用 | 第71-92页 |
| 6．1 遗传算法应用概述 | 第71-73页 |
| 6．2 遗传算法在网络计划方面的应用 | 第73-84页 |
| 6．2．1 网络计划简介 | 第74-75页 |
| 6．2．2 DCPM问题 | 第75-76页 |
| 6．2．3 决策关键路线法（DCPM）的基本内容 | 第76-77页 |
| 6．2．4 DCPM问题的传统解法 | 第77-78页 |
| 6．2．5 传统解法的困难和局限性 | 第78-79页 |
| 6．2．6 用遗传算法求解DCPM问题 | 第79-83页 |
| 6．2．7 实际应用遗传算法求解DCPM问题的一些分析 | 第83-84页 |
| 6．3 遗传算法求解旅行商问题 | 第84-92页 |
| 6．3．1 TSP问题的描述 | 第85页 |
| 6．3．2 TSP问题的编码方案和操作算子的分析 | 第85-88页 |
| 6．3．3 用单亲遗传操作算法求解TSP问题 | 第88-92页 |
| 第七章 结束语 | 第92-98页 |
