遺傳演算法書籍

A. 啟發式演算法的相關書籍 我是想系統的學習一下。最好能解釋一些難易程度不同的書。

我向你推薦兩本，一是：《現代優化計算方法》；二是：《智能優化演算法及其應用》。這兩本書都不錯，其中前者算是入門的書籍，講解清晰易懂。禁忌搜索、模擬退火、遺傳演算法、人工神經網路等啟發式演算法都有講到。

B. 在遺傳演算法中 先變異後交叉 是不是沒人任何理論依據 但是我想這樣操作求助大牛

遺傳演算法的相關書籍中，都是先交叉再變異。不過你要想先變異再交叉也未嘗不可，因為變異後的個體要參與選擇，到新種群中去還是要交叉。

C. 什麼叫遺傳演算法，遺傳演算法有什麼用希望通俗一點兒

首先有個很神奇的現象：人類以及動物的進化都是朝著好的方向發展，雖然有的往壞的方向發展了，但是總體肯定是往好的方向發展。這看似不奇怪，但是我們知道，人類的基因組合是隨機的，沒有上帝約束。這種隨機過程的結果卻是一致的！！！！！我們的遺傳演算法就是從這里得到啟發！比如我要求y=x1+x2的最大值，兩個變數，我不用傳統的數學方法，就用幼兒園的方法，把所有可能取值帶進去算，然後找出最大的就行了！但是，有時候取值是連續的，沒關系！使其離散化，就像把模擬信號化成數字信號一樣！還有個問題，如果取值太多咋辦？這就是遺傳演算法的精髓！
首先，我不用取所有可能取值，我只取幾十個或者幾百個（自己定），然後進行處理，怎樣處理呢？讓我們回到剛開始的人類進化問題，雖然沒有上帝的幫忙，但是我們知道，自然界遵循優勝劣汰的發賊，遵循交叉變異的法則，雖然不能數字化，但是這是個趨勢！我們就是把這種法則數學化！所取的幾十個值我要剩下哪些？要拋棄哪些？要處理哪些？這都要我們自己選擇，肯定是選擇最合適的取值留下，經過一系列的處理，就生成了新的群體，然後再處理，自己約定處理到第幾次就可以了，取出現過的最大值
不用擔心取到的是不是最大值，因為數學上已經有了證明，這種方法是收斂的，概率是1，所以盡管放心的做，具體的做法要參考相關書籍，不難的。
遺傳演算法的最大用處就是解決數學理論不能解決的問題！比如路徑規劃，調度問題……

D. 進入人工智慧領域，需要學習那些基礎的書籍

編程類：Python和/或Matlab。
演算法類：機器學習、神經網路、遺傳演算法等等
專業類：自然語言處理、計算機視覺等，這些估計還要一些先修課的知識，比如概率統計、數字圖像處理等等。

E. 系統工程學的相關圖書

《系統工程學》圖書
內容簡介：
本書作為面向21世紀課程教材《系統工程理論、方法與應用》的第三版，主要是來研究生系統工程教學實踐的基礎上修訂編寫的。全書共分13章，主要內容有：系統丁程學理論及方法論(共3章)；系統工程學模型與技術(模型化原理及模型體系、投入產出模型、Petri網技術、系統動力學應用、系統模擬與管理實驗，共5章)；系統評價和決策的理論、原理、方法(共2章)；系統工程學在人口、物流、信息化等領域的專題應用(共3 章)。本書主要作為管理學及其相關學科碩士研究生及本科生教學參考書，也可供其他人員學習使用。
書籍目錄：
第一章 系統工程學概述
§1-1 復雜系統問題及其特徵
§l-2 系統科學及系統工程
一、系統科學及系統工程的發展
二、系統科學體系
三、系統工程學的特點
§1-3 系統工程學與管理研究
主要參考文獻
第二章 系統工程理論
§2-1 經典系統理論
一、一般系統論
二、控制論
三、資訊理論
§2-2現代系統理論
一、耗散結構與協同學
二、突變論
§2-3 系統理論的發展
一、系統復雜性研究的興起
二、復雜適應系統理論
三、復雜網路理論
. 四、系統理論的發展動向
主要參考文獻
第三章 系統工程方法論
§3-l 系統工程方法論概述
§3-2 初步分析階段
一、闡明問題
二、謀劃備選方案
§3-3 規范分析階段
一、預測未來環境
二、建模和預計後果
§3-4 綜合分析階段
一、評比備選方案
二、調整與反饋
三、完成分析報告
§3-5 系統綜合集成方法論
主要參考文獻
第四章 系統模型化原理
§4-1系統模型化概述
一、基本概念及意義
二、模型韻分類
三、建模的基本步驟、一般原則以及模型的簡化
§4-2 常用建模方法
一、圖解法
二、擬合法
三、經驗法
四、機理法
§4-3系統模型體系
一、基於系統分析過程的系統模型體系
二、基於不同功能的系統模型體系
三、基於主模型的系統模型體系
主要參考文獻
第五章 投入產出技術及其應用
§5-1 投入產出技術的起源與發展
一、投入產出技術的理論來源
二、投入產出技術的發展
§5-2 投入產出技術在我國的應用
一、投入產出表的編制
二、投入產出技術的具體應用
§5-3 投入產出技術與其他技術方法的結合
一、投入產出技術與相關數學規劃方法結合
二、投入產出技術與CGE模型結合
三、投入產出技術與高速增長模型結合
四、投入產出技術與計量經濟模型結合
五、投入產出技術與SDA結合
主要參考文獻
第六章Petri網及其應用
§6-1 Petri網概述
一、基本概念
二、Petri網的行為特徵分析
§6-2 Petri網的擴展
一、著色Petri網
二、隨機Petri網
三、Petri網的化簡問題
§6-3 Petri網與其他方法的結合及應用
一、Petri網與排隊系統的結合
二、柔性製造系統建模中Petri網與一類啟發式演算法的結合
三、基於著色Petri網的供應鏈系統建模
主要參考文獻
第七章系統動力學的應用
§7-1 概述
§7-2系統動力學的典型應用
一、系統動力學在供應鏈管理中的應用
二、系統動力學與可持續發展
三、系統動力學與組織變革
§7-3系統動力學與其他理論和方法的結合
一、系統動力學與復雜系統理論
二、系統動力學與經濟學
三、系統動力學與軟計算方法(以遺傳演算法為例)
主要參考文獻
第八章 系統模擬及管理實驗
§8-1系統模擬
一、概念及方法
二、離散事件系統模擬
三、細胞自動機(CA）
四、代理人及多代理人系統(MAS)
§8-2管理實驗
一、基本概念
二、管理實驗的發展歷程
三、管理實驗分類
四、管理實驗步驟
五、管理實驗應用
§8-3系統模擬與管理實驗實例
一、離散事件系統模擬實例：排隊系統模擬
二、細胞自動機模擬實例：流言模型
三、多代理人系統模擬實例：多代理人經濟模擬模型——AsPEN
四、管理實驗實例
主要參考文獻
第九章 系統評價原理與方法
第十章 決策理論與方法
第十一章 系統工程在人El領域的應用
第十二章 物流系統工程
第十三章 系統工程在信息化中的應用
主要參考文獻

F. 有哪些關於人工智慧的書籍可供推薦

看到這個問題有點小興奮，我來推薦一份人工智慧書單。

1、機器學習精講

機器學習原理演算法與應用教程，精簡機器學習入門手冊，美亞機器學習深度學習暢銷書，全彩印刷，掃描書中二維碼可閱讀補充內容，人工智慧和機器學習領域眾多知名專家推薦。

2、動手學深度學習

目前市面上有關深度學習介紹的書籍大多可分兩類，一類側重方法介紹，另一類側重實踐和深度學習工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數學的角度闡述深度學習的技術與應用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。

為了給讀者提供一種互動式的學習體驗，本書不但提供免費的教學視頻和討論區，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統一起來的優勢。這樣不僅直接將數學公式對應成實際代碼，而且可以修改代碼、觀察結果並及時獲取經驗，從而帶給讀者全新的、互動式的深度學習的學習體驗。

3、深度學習

本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、資訊理論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網路、正則化、優化演算法、卷積網路、序列建模和實踐方法等。

並且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。最後，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。

4、人工智慧（第2版）

本書是作者結合多年教學經驗、精心撰寫的一本人工智慧教科書，堪稱「人工智慧的網路全書」。全書涵蓋了人工智慧簡史、搜索方法、知情搜索、博弈中的搜索、人工智慧中的邏輯、知識表示、產生式系統、專家系統、機器學習和神經網路、遺傳演算法、自然語言處理、自動規劃、機器人技術、高級計算機博弈、人工智慧的歷史和未來等主題。

5、Python 神經網路編程

本書將帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經網路的工作機制。您無需任何超出中學范圍的數學知識，並且本書還給出易於理解的微積分簡介。本書的目標是讓盡可能多的普通讀者理解神經網路。讀者將學習使用Python開發自己的神經網路，訓練它識別手寫數字，甚至可以與專業的神經網路相媲美。

G. 學關於數學建模的推薦書籍以及入門級使用的編程軟體及教材

我也要參加今年九月份的數學建模比賽，以下是我們老師給我們的幾點建議，希望對你有些幫助。

賽前學習內容
1建模基礎知識、常用工具軟體的使用
一、掌握建模必備的數學基礎知識（如初等數學、高等數學等），數學建模中常用的但尚未學過的方法，如圖論方法、優化中若干方法、概率統計以及運籌學等方法。
二、，針對建模特點，結合典型的建模題型，重點學習一些實用數學軟體（如 Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性開發,尤其注意同一數學模型可以用多個軟體求解的問題。
例如, 貸款買房問題: 某人貸款8 萬元買房，每月還貸款880.87 元，月利率1％。
（1）已經還貸整6 年。還貸6 年後，某人想知道自己還欠銀行多少錢，請你告訴他。
（2）此人忘記這筆貸款期限是多少年，請你告訴他。
這問題我們可以用 Mathematica 、Matlab、Lindo 、Lingo 等多個不同軟體包編程求解
2 建模的過程、方法
數學建模是一項非常具有創造性和挑戰性的活動，不可能用一些條條框框規定出各種模型如何具體建立。但一般來說，建模主要涉及兩個方面：第一，將實際問題轉化為理論模型；第二，對理論模型進行計算和分析。簡而言之，就是建立數學模型來解決各種實際問題的過程。這個過程可以用如下圖1來表示。

3常用演算法的設計
建模與計算是數學模型的兩大核心，當模型建立後，計算就成為解決問題的關鍵要素了，而演算法好壞將直接影響運算速度的快慢答案的優劣。根據競賽題型特點及前參賽獲獎選手的心得體會，建議大家多用數學軟體（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）設計演算法，這里列舉常用的幾種數學建模演算法.
（1）蒙特卡羅演算法（該演算法又稱隨機性模擬演算法，是通過計算機模擬來解決問題的演算法，同時可以通過模擬可以來檢驗自己模型的正確性，是比賽時必用的方法，通常使用Mathematica、Matlab 軟體實現）。
（2）數據擬合、參數估計、插值等數據處理演算法（比賽中通常會遇到大量的數據需要處理，而處理數據的關鍵就在於這些演算法，通常使用Matlab 作為工具）。
（3）線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬於最優化問題，很多時候這些問題可以用數學規劃演算法來描述，通常使用Lindo、Lingo 軟體實現）。
（4）圖論演算法（這類演算法可以分為很多種，包括最短路、網路流、二分圖等演算法，涉及到圖論的問題可以用這些方法解決，需要認真准備，通常使用Mathematica、Maple 作為工具）。
（5）動態規劃、回溯搜索、分治演算法、分支定界等計算機演算法（這些演算法是演算法設計中比較常用的方法，很多場合可以用到競賽中，通常使用Lingo 軟體實現）。
（6）圖象處理演算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab 進行處理）。
（7）最優化理論的三大非經典演算法：模擬退火法、神經網路、遺傳演算法（這些問題是用來解決一些較困難的最優化問題的演算法，對於有些問題非常有幫助，但是演算法的實現比較困難，需慎重使用，通常使用Lingo、 Matlab、SPSS 軟體實現）。
4 論文結構，寫作特點和要求
答卷（論文）是競賽活動成績結晶的書面形式，是評定競賽活動的成績好壞、高低，獲獎級別的唯一依據。因此，寫好數學建模論文在競賽活動中顯得尤其重要，這也是參賽學生必須掌握的。為了使學生較好地掌握競賽論文的撰寫要領，（1）要求同學們認真學習和掌握全國大學生數學建模競賽組委會最新制定的論文格式要求且多閱讀科技文獻。（2）通過對歷屆建模競賽的優秀論文（如以中國人民解放軍信息工程學院李開鋒、趙玉磊、黃玉慧2004 年獲全國一等獎論文：奧運場館周邊的MS 網路設計方案為範例）進行剖析，總結出建模論文的一般結構及寫作要點，去學習體會和摸索。

參加全國大學生數學建模競賽應注意的問題
一、心裡要有「底」
首先，賽題來自於哪個實際領地的確難以預料，但絕不會過於「專」，它畢竟是經過簡化、加工的。大部分賽題僅憑意識便能理解題意，少數賽題的實際背景可能生疏，只需要查閱一些資料，便可以理解題意。其次，所有的賽題當然要用到數學知識，但一定不會過於高深。用得較多的有運籌學、概率與統計、計算方法、離散數學、微分方程等方面的一部分理論和方法，這些內容在賽前培訓要學過一些，真的用到了，總知道在哪些資料中查找。
二、當斷即斷
在兩個賽題中選擇做哪一個不能久議不決，因為你們只有三天時間，一旦選定了，就不要再猶豫，更不要反復。選定了賽題之後，在討論建模思路和求解方法時會有爭論，但不能無休止地 爭論，而應學會妥協。方案定下來後，全隊要齊心協力地去做。
三、對困難要有足夠的心理准備
「拿到題目就有思路，做起來一帆風順」，哪有如此輕松的事？參加競賽可以說是「自討苦吃，以苦為樂」，競賽三天中所經受的磨煉一定會終生難忘，並成為自己的一份精神財富。好多同學賽後說：「參賽會後悔三天，而不參賽則遺憾一生。」做「撞到槍口上」的賽題，不一定比「外行」強。如學機械的隊員做機械方面的賽題，學投資的隊員做投資方面的賽題，學統計的隊員做統計方面的賽題，都有可能「聰明反被聰明誤」，這些情況在全國賽區都曾發生過。這就需要大家多方面涉獵知識盡全能做到全面

關於數模競賽的幾本好書
▲ 姜啟源，《數學模型（第二版）》，高等教育出版社
▲ 姜啟源、謝金星、葉俊《數學建模（第三版）》，高等教育出版社
▲ 蕭樹鐵等，《數學實驗》，高等教育出版社
▲ 朱道元，《數學建模案例精選》，科學出版社
▲ 雷功炎，《數學模型講義》，北京大學出版社
▲ 葉其孝等，《大學生數學建模競賽輔導教材（一）~（四）》，湖南教育出版社
▲ 江裕釗、辛培清，《數學模型與計算機模擬》，電子科技大學出版社
▲ 楊啟帆、邊馥萍，《數學模型》，浙江大學出版社
▲ 趙靜等，《數學建模與數學實驗》，高等教育出版社，施普林格出版社
▲ 韓中庚， 《數學建模方法與應用》，高等教育出版社
▲楊啟帆，《數學建模案例集》，高等教育出版社.

需要了解的基礎學科
1．數學分析（高等數學）
2．高等代數 （線性代數）
3．概率與數理統計
4．最優化理論 （規劃理論）
5．圖論
6．組合數學
7．微分方程穩定性分析
8．排隊論 不知道能不能幫上你

H. 神經網路控制的書籍目錄

第1章神經網路和自動控制的基礎知識
1.1人工神經網路的發展史
1.1.120世紀40年代——神經元模型的誕生
1.1.220世紀50年代——從單神經元到單層網路，形成第一次熱潮
1.1.320世紀60年代——學習多樣化和AN2的急劇冷落
1.1.420世紀70年代——在低迷中頑強地發展
1.1.520世紀80年代——AN2研究熱潮再度興起
1.1.620世紀90年代——再現熱潮，產生許多邊緣交叉學科
1.1.7進入21世紀——實現機器智能的道路漫長而又艱難
1.2生物神經元和人工神經元
1.2.1生物神經元
1.2.2人工神經元
1.3生物神經網路和人工神經網路
1.3.1生物神經網路
1.3.2人工神經網路
1.4自動控制的發展史
1.4.1從傳統控制理論到智能控制
1.4.2智能控制的產生與基本特徵
1.4.3智能控制系統
1.5模糊集與模糊控制概述
1.5.1模糊集
1.5.2模糊隸屬函數
1.5.3模糊控制
1.6從生物神經控制到人工神經控制
1.6.1生物神經控制的智能特徵
1.6.2人工神經控制的模擬范圍
1.7小結
習題與思考題
第2章神經計算基礎
2.1線性空間與范數
2.1.1矢量空間
2.1.2范數
2.1.3賦范線性空間
2.1.4L1范數和L2范數
2.2迭代演算法
2.2.1迭代演算法的終止准則
2.2.2梯度下降法
2.2.3最優步長選擇
2.3逼近論
2.3.1Banach空間和逼近的定義
2.3.2L2逼近和最優一致逼近
2.3.3離散點集上的最小二乘逼近
2.4神經網路在線迭代學習演算法
2.5Z變換
2.5.1Z變換的定義和求取
2.5.2Z變換的性質
2.5.3Z反變換
2.6李雅普諾夫意義下的穩定性
2.6.1非線性時變系統的穩定性問題
2.6.2李雅普諾夫意義下的漸進穩定
2.6.3李雅普諾夫第二法
2.6.4非線性系統的穩定性分析
2.7小結
習題與思考題
第3章神經網路模型
3.1人工神經網路建模
3.1.1MP模型
3.1.2Hebb學習法則
3.2感知器
3.2.1單層感知器
3.2.2多層感知器
3.3BP網路與BP演算法
3.3.1BP網路的基本結構
3.3.2BP演算法及步長調整
3.4自適應線性神經網路
3.5自組織競爭型神經網路
3.5.1自組織競爭型神經網路的基本結構
3.5.2自組織競爭型神經網路的學習演算法
3.6小腦模型神經網路
3.6.1CMAC的基本結構
3.6.2CMAC的工作原理
3.6.3CMAC的學習演算法與訓練
3.7遞歸型神經網路
3.7.1DTRNN的網路結構
3.7.2實時遞歸學習演算法
3.8霍普菲爾德（Hopfield）神經網路
3.8.1離散型Hopfield神經網路
3.8.2連續型Hopfield神經網路
3.8.3求解TSP問題
3.9小結
習題與思考題
第4章神經控制中的系統辨識
4.1系統辨識基本原理
4.1.1辨識系統的基本結構
4.1.2辨識模型
4.1.3辨識系統的輸入和輸出
4.2系統辨識過程中神經網路的作用
4.2.1神經網路辨識原理
4.2.2多層前向網路的辨識能力
4.2.3辨識系統中的非線性模型
4.3非線性動態系統辨識
4.3.1非線性動態系統的神經網路辨識
4.3.2單輸入單輸出非線性動態系統的BP網路辨識
4.4多層前向網路辨識中的快速演算法
4.5非線性模型的預報誤差神經網路辨識
4.5.1非動態模型建模，
4.5.2遞推預報誤差演算法
4.6非線性系統逆模型的神經網路辨識
4.6.1系統分析逆過程的存在性
4.6.2非線性系統的逆模型
4.6.3基於多層感知器的逆模型辨識
4.7線性連續動態系統辨識的參數估計
4.7.1Hopfield網路用於辨識
4.7.2Hopfield網路辨識原理
4.8利用神經網路聯想功能的辨識系統
4.8.1二階系統的性能指標
4.8.2系統辨識器基本結構
4.8.3訓練與辨識操作
4.9小結
習題與思考題
第5章人工神經元控制系統
5.1人工神經元的PID調節功能
5.1.1人工神經元PID動態結構
5.1.2人工神經元閉環系統動態結構
5.2人工神經元PID調節器
5.2.1比例調節元
5.2.2積分調節元
5.2.3微分調節元
5.3人工神經元閉環調節系統
5.3.1系統描述
5.3.2Lyapunov穩定性分析
5.4人工神經元自適應控制系統
5.4.1人工神經元自適應控制系統的基本結構
5.4.2人工神經元自適應控制系統的學習演算法
5.5人工神經元控制系統的穩定性
5.6小結
習題與思考題
第6章神經控制系統
6.1神經控制系統概述
6.1.1神經控制系統的基本結構
6.1.2神經網路在神經控制系統中的作用
6.2神經控制器的設計方法
6.2.1模型參考自適應方法
6.2.2自校正方法
6.2.3內模方法
6.2.4常規控制方法
6.2.5神經網路智能方法
6.2.6神經網路優化設計方法
6.3神經辨識器的設計方法
6.4PID神經控制系統
6.4.1PID神經控制系統框圖
6.4.2PID神經調節器的參數整定
6.5模型參考自適應神經控制系統
6.5.1兩種不同的自適應控制方式
6.5.2間接設計模型參考自適應神經控制系統
6.5.3直接設計模型參考自適應神經控制系統
6.6預測神經控制系統
6.6.1預測控制的基本特徵
6.6.2神經網路預測演算法
6.6.3單神經元預測器
6.6.4多層前向網路預測器
6.6.5輻射基函數網路預測器
6.6.6Hopfield網路預測器
6.7自校正神經控制系統
6.7.1自校正神經控制系統的基本結構
6.7.2神經自校正控制演算法
6.7.3神經網路逼近
6.8內模神經控制系統
6.8.1線性內模控制方式
6.8.2內模控制系統
6.8.3內模神經控制器
6.8.4神經網路內部模型
6.9小腦模型神經控制系統
6.9.1CMAC控制系統的基本結構
6.9.2CMAC控制器設計
6.9.3CMAC控制系統實例
6.10小結
習題與思考題
第7章模糊神經控制系統
7.1模糊控制與神經網路的結合
7.1.1模糊控制的時間復雜性
7.1.2神經控制的空間復雜性
7.1.3模糊神經系統的產生
7.2模糊控制和神經網路的異同點
7.2.1模糊控制和神經網路的共同點
7.2.2模糊控制和神經網路的不同點
7.3模糊神經系統的典型結構
7.4模糊神經系統的結構分類
7.4.1鬆散結合
7.4.2互補結合
7.4.3主從結合
7.4.4串列結合
7.4.5網路學習結合
7.4.6模糊等價結合
7.5模糊等價結合中的模糊神經控制器
7.5.1偏差P和偏差變化率Δe的獲取
7.5.2隸屬函數的神經網路表達
7.6幾種常見的模糊神經網路
7.6.1模糊聯想記憶網路
7.6.2模糊認知映射網路
7.7小結
習題與思考題
第8章神經控制中的遺傳進化訓練
8.1生物的遺傳與進化
8.1.1生物進化論的基本觀點
8.1.2進化計算
8.2遺傳演算法概述
8.2.1遺傳演算法中遇到的基本術語
8.2.2遺傳演算法的運算特徵
8.2.3遺傳演算法中的概率計算公式
8.3遺傳演算法中的模式定理
8.3.1模式定義和模式的階
8.3.2模式定理（Schema）
8.4遺傳演算法中的編碼操作
8.4.1遺傳演算法設計流程
8.4.2遺傳演算法中的編碼規則
8.4.3一維染色體的編碼方法
8.4.4二維染色體編碼
8.5遺傳演算法中的適應度函數
8.5.1將目標函數轉換成適應度函數
8.5.2標定適應度函數
8.6遺傳演算法與優化解
8.6.1適應度函數的確定
8.6.2線性分級策略
8.6.3演算法流程
8.7遺傳演算法與預測控制
8.8遺傳演算法與神經網路
8.9神經網路的遺傳進化訓練
8.9.1遺傳進化訓練的實現方法
8.9.2BP網路的遺傳進化訓練
8.10小結
習題與思考題
附錄常用神經控制術語漢英對照
參考文獻
……

I. 請大家介紹一下遺傳演算法的書籍

王小平的《遺傳演算法——理論、應用與軟體實現》屬於較為經典的書，很多人都是看這本書入門的

焦李成等主編的《協同進化計算與多智能體系統》是一本非常好的書，內容不但新穎實用，後面的參考資料也非常豐富，而且大都是這方面的研究前沿和研究熱點。這本書還是國家863和973計劃資助的，很值得學習。

論文方面國內的你可以搜一下鍾偉才的論文，他應該是焦的學生（我猜的），他們都是西安電子科技大學雷達信號處理國家重點實驗室的專家。

多智能體系統，免疫進化計算，協同進化，粒子群遺傳演算法應該是這幾年比較熱的題目

如果你是做數值優化或者是多目標計算，你重點要弄清實數編碼的遺傳演算法，如果是TSP或者是背包問題，則要深入了解二進制編碼的遺傳演算法。

向你推薦兩篇文章：
《An Orthogonal Genetic Algorithm with Quantization for Global Numerical optimition》
《A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II》

第一篇主要解決超高維（幾百甚至上千維，不過我給你推薦的第二本書已經將這個紀錄推到了上萬維）問題。
第二篇主要講了一下利用協同進化的方法，求解多目標優化的問題，在實際應用價值很大。

我的郵箱[email protected]

J. 人工智慧入門書籍推薦

1.《深度學習》
深度學習領御奠基性的經典暢銷書，長期位居亞馬遜AI和機器學習類圖書榜首。
2.《人工智慧》
智能革命時代先行者李開復解讀AI如何重塑個人、商業與社會的未來圖譜。
3.《人工智慧簡史》
全方位解讀人工智慧的起源、神經網路、遺傳演算法、深度學習、自然語言處理等知識，深度點評AI歷史趨勢。
4.《人工智慧的未來》
揭秘人類思維的奧秘，奇點大學校長、谷歌工程總監、《奇點臨近》作者雷·庫茲韋爾全面解析「人工智慧」創建原理的顛覆力作。
5.《人工智慧：國家人工智慧戰略行動抓手》
比爾·蓋茨、埃隆·馬斯克、扎克伯格、李彥宏、馬化騰、李開復、雷軍、劉慶峰等跨界大咖都在關注的科技新革命，騰訊攜手工信部打造國家人工智慧戰略行動抓手。
6.《極簡人工智慧：你一定愛讀的AI通識書》
全方位呈現「AI」全景藍圖：群體智能、神經網路、智能代理、情感機器、智能計算、智能機器人等。
7.《區塊鏈 人工智慧 數字貨幣：黑科技讓生活更美好》
《紐約時報》暢銷書，跟進未來趨勢，用技術重構世界，解密正在全面爆發的區塊鏈、人工智慧和數字貨幣等黑科技。
8.《高級人工智慧（第三版）》
9.《終極演算法：機器學習和人工智慧如何重塑世界》
比爾·蓋茨年度推薦書籍，沃爾特·艾薩克森、車品覺、曹歡歡聯袂推薦！
10.《人工智慧新時代：全球人工智慧應用真實落地50例》