遗传算法书籍

A. 启发式算法的相关书籍 我是想系统的学习一下。最好能解释一些难易程度不同的书。

我向你推荐两本，一是：《现代优化计算方法》；二是：《智能优化算法及其应用》。这两本书都不错，其中前者算是入门的书籍，讲解清晰易懂。禁忌搜索、模拟退火、遗传算法、人工神经网络等启发式算法都有讲到。

B. 在遗传算法中 先变异后交叉 是不是没人任何理论依据 但是我想这样操作求助大牛

遗传算法的相关书籍中，都是先交叉再变异。不过你要想先变异再交叉也未尝不可，因为变异后的个体要参与选择，到新种群中去还是要交叉。

C. 什么叫遗传算法，遗传算法有什么用希望通俗一点儿

首先有个很神奇的现象：人类以及动物的进化都是朝着好的方向发展，虽然有的往坏的方向发展了，但是总体肯定是往好的方向发展。这看似不奇怪，但是我们知道，人类的基因组合是随机的，没有上帝约束。这种随机过程的结果却是一致的！！！！！我们的遗传算法就是从这里得到启发！比如我要求y=x1+x2的最大值，两个变量，我不用传统的数学方法，就用幼儿园的方法，把所有可能取值带进去算，然后找出最大的就行了！但是，有时候取值是连续的，没关系！使其离散化，就像把模拟信号化成数字信号一样！还有个问题，如果取值太多咋办？这就是遗传算法的精髓！
首先，我不用取所有可能取值，我只取几十个或者几百个（自己定），然后进行处理，怎样处理呢？让我们回到刚开始的人类进化问题，虽然没有上帝的帮忙，但是我们知道，自然界遵循优胜劣汰的发贼，遵循交叉变异的法则，虽然不能数字化，但是这是个趋势！我们就是把这种法则数学化！所取的几十个值我要剩下哪些？要抛弃哪些？要处理哪些？这都要我们自己选择，肯定是选择最合适的取值留下，经过一系列的处理，就生成了新的群体，然后再处理，自己约定处理到第几次就可以了，取出现过的最大值
不用担心取到的是不是最大值，因为数学上已经有了证明，这种方法是收敛的，概率是1，所以尽管放心的做，具体的做法要参考相关书籍，不难的。
遗传算法的最大用处就是解决数学理论不能解决的问题！比如路径规划，调度问题……

D. 进入人工智能领域，需要学习那些基础的书籍

编程类：Python和/或Matlab。
算法类：机器学习、神经网络、遗传算法等等
专业类：自然语言处理、计算机视觉等，这些估计还要一些先修课的知识，比如概率统计、数字图像处理等等。

E. 系统工程学的相关图书

《系统工程学》图书
内容简介：
本书作为面向21世纪课程教材《系统工程理论、方法与应用》的第三版，主要是来研究生系统工程教学实践的基础上修订编写的。全书共分13章，主要内容有：系统丁程学理论及方法论(共3章)；系统工程学模型与技术(模型化原理及模型体系、投入产出模型、Petri网技术、系统动力学应用、系统仿真与管理实验，共5章)；系统评价和决策的理论、原理、方法(共2章)；系统工程学在人口、物流、信息化等领域的专题应用(共3 章)。本书主要作为管理学及其相关学科硕士研究生及本科生教学参考书，也可供其他人员学习使用。
书籍目录：
第一章 系统工程学概述
§1-1 复杂系统问题及其特征
§l-2 系统科学及系统工程
一、系统科学及系统工程的发展
二、系统科学体系
三、系统工程学的特点
§1-3 系统工程学与管理研究
主要参考文献
第二章 系统工程理论
§2-1 经典系统理论
一、一般系统论
二、控制论
三、信息论
§2-2现代系统理论
一、耗散结构与协同学
二、突变论
§2-3 系统理论的发展
一、系统复杂性研究的兴起
二、复杂适应系统理论
三、复杂网络理论
. 四、系统理论的发展动向
主要参考文献
第三章 系统工程方法论
§3-l 系统工程方法论概述
§3-2 初步分析阶段
一、阐明问题
二、谋划备选方案
§3-3 规范分析阶段
一、预测未来环境
二、建模和预计后果
§3-4 综合分析阶段
一、评比备选方案
二、调整与反馈
三、完成分析报告
§3-5 系统综合集成方法论
主要参考文献
第四章 系统模型化原理
§4-1系统模型化概述
一、基本概念及意义
二、模型韵分类
三、建模的基本步骤、一般原则以及模型的简化
§4-2 常用建模方法
一、图解法
二、拟合法
三、经验法
四、机理法
§4-3系统模型体系
一、基于系统分析过程的系统模型体系
二、基于不同功能的系统模型体系
三、基于主模型的系统模型体系
主要参考文献
第五章 投入产出技术及其应用
§5-1 投入产出技术的起源与发展
一、投入产出技术的理论来源
二、投入产出技术的发展
§5-2 投入产出技术在我国的应用
一、投入产出表的编制
二、投入产出技术的具体应用
§5-3 投入产出技术与其他技术方法的结合
一、投入产出技术与相关数学规划方法结合
二、投入产出技术与CGE模型结合
三、投入产出技术与高速增长模型结合
四、投入产出技术与计量经济模型结合
五、投入产出技术与SDA结合
主要参考文献
第六章Petri网及其应用
§6-1 Petri网概述
一、基本概念
二、Petri网的行为特征分析
§6-2 Petri网的扩展
一、着色Petri网
二、随机Petri网
三、Petri网的化简问题
§6-3 Petri网与其他方法的结合及应用
一、Petri网与排队系统的结合
二、柔性制造系统建模中Petri网与一类启发式算法的结合
三、基于着色Petri网的供应链系统建模
主要参考文献
第七章系统动力学的应用
§7-1 概述
§7-2系统动力学的典型应用
一、系统动力学在供应链管理中的应用
二、系统动力学与可持续发展
三、系统动力学与组织变革
§7-3系统动力学与其他理论和方法的结合
一、系统动力学与复杂系统理论
二、系统动力学与经济学
三、系统动力学与软计算方法(以遗传算法为例)
主要参考文献
第八章 系统仿真及管理实验
§8-1系统仿真
一、概念及方法
二、离散事件系统仿真
三、细胞自动机(CA）
四、代理人及多代理人系统(MAS)
§8-2管理实验
一、基本概念
二、管理实验的发展历程
三、管理实验分类
四、管理实验步骤
五、管理实验应用
§8-3系统仿真与管理实验实例
一、离散事件系统仿真实例：排队系统仿真
二、细胞自动机仿真实例：流言模型
三、多代理人系统仿真实例：多代理人经济仿真模型——AsPEN
四、管理实验实例
主要参考文献
第九章 系统评价原理与方法
第十章 决策理论与方法
第十一章 系统工程在人El领域的应用
第十二章 物流系统工程
第十三章 系统工程在信息化中的应用
主要参考文献

F. 有哪些关于人工智能的书籍可供推荐

看到这个问题有点小兴奋，我来推荐一份人工智能书单。

1、机器学习精讲

机器学习原理算法与应用教程，精简机器学习入门手册，美亚机器学习深度学习畅销书，全彩印刷，扫描书中二维码可阅读补充内容，人工智能和机器学习领域众多知名专家推荐。

2、动手学深度学习

目前市面上有关深度学习介绍的书籍大多可分两类，一类侧重方法介绍，另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用，还包含可运行的代码，为读者展示如何在实际中解决问题。

为了给读者提供一种交互式的学习体验，本书不但提供免费的教学视频和讨论区，而且提供可运行的Jupyter记事本文件，充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验，从而带给读者全新的、交互式的深度学习的学习体验。

3、深度学习

本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等。

并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。

4、人工智能（第2版）

本书是作者结合多年教学经验、精心撰写的一本人工智能教科书，堪称“人工智能的网络全书”。全书涵盖了人工智能简史、搜索方法、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示、产生式系统、专家系统、机器学习和神经网络、遗传算法、自然语言处理、自动规划、机器人技术、高级计算机博弈、人工智能的历史和未来等主题。

5、Python 神经网络编程

本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。

G. 学关于数学建模的推荐书籍以及入门级使用的编程软件及教材

我也要参加今年九月份的数学建模比赛，以下是我们老师给我们的几点建议，希望对你有些帮助。

赛前学习内容
1建模基础知识、常用工具软件的使用
一、掌握建模必备的数学基础知识（如初等数学、高等数学等），数学建模中常用的但尚未学过的方法，如图论方法、优化中若干方法、概率统计以及运筹学等方法。
二、，针对建模特点，结合典型的建模题型，重点学习一些实用数学软件（如 Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性开发,尤其注意同一数学模型可以用多个软件求解的问题。
例如, 贷款买房问题: 某人贷款8 万元买房，每月还贷款880.87 元，月利率1％。
（1）已经还贷整6 年。还贷6 年后，某人想知道自己还欠银行多少钱，请你告诉他。
（2）此人忘记这笔贷款期限是多少年，请你告诉他。
这问题我们可以用 Mathematica 、Matlab、Lindo 、Lingo 等多个不同软件包编程求解
2 建模的过程、方法
数学建模是一项非常具有创造性和挑战性的活动，不可能用一些条条框框规定出各种模型如何具体建立。但一般来说，建模主要涉及两个方面：第一，将实际问题转化为理论模型；第二，对理论模型进行计算和分析。简而言之，就是建立数学模型来解决各种实际问题的过程。这个过程可以用如下图1来表示。

3常用算法的设计
建模与计算是数学模型的两大核心，当模型建立后，计算就成为解决问题的关键要素了，而算法好坏将直接影响运算速度的快慢答案的优劣。根据竞赛题型特点及前参赛获奖选手的心得体会，建议大家多用数学软件（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）设计算法，这里列举常用的几种数学建模算法.
（1）蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法，通常使用Mathematica、Matlab 软件实现）。
（2）数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）。
（3）线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）。
（4）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，通常使用Mathematica、Maple 作为工具）。
（5）动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中，通常使用Lingo 软件实现）。
（6）图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）。
（7）最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用，通常使用Lingo、 Matlab、SPSS 软件实现）。
4 论文结构，写作特点和要求
答卷（论文）是竞赛活动成绩结晶的书面形式，是评定竞赛活动的成绩好坏、高低，获奖级别的唯一依据。因此，写好数学建模论文在竞赛活动中显得尤其重要，这也是参赛学生必须掌握的。为了使学生较好地掌握竞赛论文的撰写要领，（1）要求同学们认真学习和掌握全国大学生数学建模竞赛组委会最新制定的论文格式要求且多阅读科技文献。（2）通过对历届建模竞赛的优秀论文（如以中国人民解放军信息工程学院李开锋、赵玉磊、黄玉慧2004 年获全国一等奖论文：奥运场馆周边的MS 网络设计方案为范例）进行剖析，总结出建模论文的一般结构及写作要点，去学习体会和摸索。

参加全国大学生数学建模竞赛应注意的问题
一、心里要有“底”
首先，赛题来自于哪个实际领地的确难以预料，但绝不会过于“专”，它毕竟是经过简化、加工的。大部分赛题仅凭意识便能理解题意，少数赛题的实际背景可能生疏，只需要查阅一些资料，便可以理解题意。其次，所有的赛题当然要用到数学知识，但一定不会过于高深。用得较多的有运筹学、概率与统计、计算方法、离散数学、微分方程等方面的一部分理论和方法，这些内容在赛前培训要学过一些，真的用到了，总知道在哪些资料中查找。
二、当断即断
在两个赛题中选择做哪一个不能久议不决，因为你们只有三天时间，一旦选定了，就不要再犹豫，更不要反复。选定了赛题之后，在讨论建模思路和求解方法时会有争论，但不能无休止地 争论，而应学会妥协。方案定下来后，全队要齐心协力地去做。
三、对困难要有足够的心理准备
“拿到题目就有思路，做起来一帆风顺”，哪有如此轻松的事？参加竞赛可以说是“自讨苦吃，以苦为乐”，竞赛三天中所经受的磨炼一定会终生难忘，并成为自己的一份精神财富。好多同学赛后说：“参赛会后悔三天，而不参赛则遗憾一生。”做“撞到枪口上”的赛题，不一定比“外行”强。如学机械的队员做机械方面的赛题，学投资的队员做投资方面的赛题，学统计的队员做统计方面的赛题，都有可能“聪明反被聪明误”，这些情况在全国赛区都曾发生过。这就需要大家多方面涉猎知识尽全能做到全面

关于数模竞赛的几本好书
▲ 姜启源，《数学模型（第二版）》，高等教育出版社
▲ 姜启源、谢金星、叶俊《数学建模（第三版）》，高等教育出版社
▲ 萧树铁等，《数学实验》，高等教育出版社
▲ 朱道元，《数学建模案例精选》，科学出版社
▲ 雷功炎，《数学模型讲义》，北京大学出版社
▲ 叶其孝等，《大学生数学建模竞赛辅导教材（一）~（四）》，湖南教育出版社
▲ 江裕钊、辛培清，《数学模型与计算机模拟》，电子科技大学出版社
▲ 杨启帆、边馥萍，《数学模型》，浙江大学出版社
▲ 赵静等，《数学建模与数学实验》，高等教育出版社，施普林格出版社
▲ 韩中庚， 《数学建模方法与应用》，高等教育出版社
▲杨启帆，《数学建模案例集》，高等教育出版社.

需要了解的基础学科
1．数学分析（高等数学）
2．高等代数 （线性代数）
3．概率与数理统计
4．最优化理论 （规划理论）
5．图论
6．组合数学
7．微分方程稳定性分析
8．排队论 不知道能不能帮上你

H. 神经网络控制的书籍目录

第1章神经网络和自动控制的基础知识
1.1人工神经网络的发展史
1.1.120世纪40年代——神经元模型的诞生
1.1.220世纪50年代——从单神经元到单层网络，形成第一次热潮
1.1.320世纪60年代——学习多样化和AN2的急剧冷落
1.1.420世纪70年代——在低迷中顽强地发展
1.1.520世纪80年代——AN2研究热潮再度兴起
1.1.620世纪90年代——再现热潮，产生许多边缘交叉学科
1.1.7进入21世纪——实现机器智能的道路漫长而又艰难
1.2生物神经元和人工神经元
1.2.1生物神经元
1.2.2人工神经元
1.3生物神经网络和人工神经网络
1.3.1生物神经网络
1.3.2人工神经网络
1.4自动控制的发展史
1.4.1从传统控制理论到智能控制
1.4.2智能控制的产生与基本特征
1.4.3智能控制系统
1.5模糊集与模糊控制概述
1.5.1模糊集
1.5.2模糊隶属函数
1.5.3模糊控制
1.6从生物神经控制到人工神经控制
1.6.1生物神经控制的智能特征
1.6.2人工神经控制的模拟范围
1.7小结
习题与思考题
第2章神经计算基础
2.1线性空间与范数
2.1.1矢量空间
2.1.2范数
2.1.3赋范线性空间
2.1.4L1范数和L2范数
2.2迭代算法
2.2.1迭代算法的终止准则
2.2.2梯度下降法
2.2.3最优步长选择
2.3逼近论
2.3.1Banach空间和逼近的定义
2.3.2L2逼近和最优一致逼近
2.3.3离散点集上的最小二乘逼近
2.4神经网络在线迭代学习算法
2.5Z变换
2.5.1Z变换的定义和求取
2.5.2Z变换的性质
2.5.3Z反变换
2.6李雅普诺夫意义下的稳定性
2.6.1非线性时变系统的稳定性问题
2.6.2李雅普诺夫意义下的渐进稳定
2.6.3李雅普诺夫第二法
2.6.4非线性系统的稳定性分析
2.7小结
习题与思考题
第3章神经网络模型
3.1人工神经网络建模
3.1.1MP模型
3.1.2Hebb学习法则
3.2感知器
3.2.1单层感知器
3.2.2多层感知器
3.3BP网络与BP算法
3.3.1BP网络的基本结构
3.3.2BP算法及步长调整
3.4自适应线性神经网络
3.5自组织竞争型神经网络
3.5.1自组织竞争型神经网络的基本结构
3.5.2自组织竞争型神经网络的学习算法
3.6小脑模型神经网络
3.6.1CMAC的基本结构
3.6.2CMAC的工作原理
3.6.3CMAC的学习算法与训练
3.7递归型神经网络
3.7.1DTRNN的网络结构
3.7.2实时递归学习算法
3.8霍普菲尔德（Hopfield）神经网络
3.8.1离散型Hopfield神经网络
3.8.2连续型Hopfield神经网络
3.8.3求解TSP问题
3.9小结
习题与思考题
第4章神经控制中的系统辨识
4.1系统辨识基本原理
4.1.1辨识系统的基本结构
4.1.2辨识模型
4.1.3辨识系统的输入和输出
4.2系统辨识过程中神经网络的作用
4.2.1神经网络辨识原理
4.2.2多层前向网络的辨识能力
4.2.3辨识系统中的非线性模型
4.3非线性动态系统辨识
4.3.1非线性动态系统的神经网络辨识
4.3.2单输入单输出非线性动态系统的BP网络辨识
4.4多层前向网络辨识中的快速算法
4.5非线性模型的预报误差神经网络辨识
4.5.1非动态模型建模，
4.5.2递推预报误差算法
4.6非线性系统逆模型的神经网络辨识
4.6.1系统分析逆过程的存在性
4.6.2非线性系统的逆模型
4.6.3基于多层感知器的逆模型辨识
4.7线性连续动态系统辨识的参数估计
4.7.1Hopfield网络用于辨识
4.7.2Hopfield网络辨识原理
4.8利用神经网络联想功能的辨识系统
4.8.1二阶系统的性能指标
4.8.2系统辨识器基本结构
4.8.3训练与辨识操作
4.9小结
习题与思考题
第5章人工神经元控制系统
5.1人工神经元的PID调节功能
5.1.1人工神经元PID动态结构
5.1.2人工神经元闭环系统动态结构
5.2人工神经元PID调节器
5.2.1比例调节元
5.2.2积分调节元
5.2.3微分调节元
5.3人工神经元闭环调节系统
5.3.1系统描述
5.3.2Lyapunov稳定性分析
5.4人工神经元自适应控制系统
5.4.1人工神经元自适应控制系统的基本结构
5.4.2人工神经元自适应控制系统的学习算法
5.5人工神经元控制系统的稳定性
5.6小结
习题与思考题
第6章神经控制系统
6.1神经控制系统概述
6.1.1神经控制系统的基本结构
6.1.2神经网络在神经控制系统中的作用
6.2神经控制器的设计方法
6.2.1模型参考自适应方法
6.2.2自校正方法
6.2.3内模方法
6.2.4常规控制方法
6.2.5神经网络智能方法
6.2.6神经网络优化设计方法
6.3神经辨识器的设计方法
6.4PID神经控制系统
6.4.1PID神经控制系统框图
6.4.2PID神经调节器的参数整定
6.5模型参考自适应神经控制系统
6.5.1两种不同的自适应控制方式
6.5.2间接设计模型参考自适应神经控制系统
6.5.3直接设计模型参考自适应神经控制系统
6.6预测神经控制系统
6.6.1预测控制的基本特征
6.6.2神经网络预测算法
6.6.3单神经元预测器
6.6.4多层前向网络预测器
6.6.5辐射基函数网络预测器
6.6.6Hopfield网络预测器
6.7自校正神经控制系统
6.7.1自校正神经控制系统的基本结构
6.7.2神经自校正控制算法
6.7.3神经网络逼近
6.8内模神经控制系统
6.8.1线性内模控制方式
6.8.2内模控制系统
6.8.3内模神经控制器
6.8.4神经网络内部模型
6.9小脑模型神经控制系统
6.9.1CMAC控制系统的基本结构
6.9.2CMAC控制器设计
6.9.3CMAC控制系统实例
6.10小结
习题与思考题
第7章模糊神经控制系统
7.1模糊控制与神经网络的结合
7.1.1模糊控制的时间复杂性
7.1.2神经控制的空间复杂性
7.1.3模糊神经系统的产生
7.2模糊控制和神经网络的异同点
7.2.1模糊控制和神经网络的共同点
7.2.2模糊控制和神经网络的不同点
7.3模糊神经系统的典型结构
7.4模糊神经系统的结构分类
7.4.1松散结合
7.4.2互补结合
7.4.3主从结合
7.4.4串行结合
7.4.5网络学习结合
7.4.6模糊等价结合
7.5模糊等价结合中的模糊神经控制器
7.5.1偏差P和偏差变化率Δe的获取
7.5.2隶属函数的神经网络表达
7.6几种常见的模糊神经网络
7.6.1模糊联想记忆网络
7.6.2模糊认知映射网络
7.7小结
习题与思考题
第8章神经控制中的遗传进化训练
8.1生物的遗传与进化
8.1.1生物进化论的基本观点
8.1.2进化计算
8.2遗传算法概述
8.2.1遗传算法中遇到的基本术语
8.2.2遗传算法的运算特征
8.2.3遗传算法中的概率计算公式
8.3遗传算法中的模式定理
8.3.1模式定义和模式的阶
8.3.2模式定理（Schema）
8.4遗传算法中的编码操作
8.4.1遗传算法设计流程
8.4.2遗传算法中的编码规则
8.4.3一维染色体的编码方法
8.4.4二维染色体编码
8.5遗传算法中的适应度函数
8.5.1将目标函数转换成适应度函数
8.5.2标定适应度函数
8.6遗传算法与优化解
8.6.1适应度函数的确定
8.6.2线性分级策略
8.6.3算法流程
8.7遗传算法与预测控制
8.8遗传算法与神经网络
8.9神经网络的遗传进化训练
8.9.1遗传进化训练的实现方法
8.9.2BP网络的遗传进化训练
8.10小结
习题与思考题
附录常用神经控制术语汉英对照
参考文献
……

I. 请大家介绍一下遗传算法的书籍

王小平的《遗传算法——理论、应用与软件实现》属于较为经典的书，很多人都是看这本书入门的

焦李成等主编的《协同进化计算与多智能体系统》是一本非常好的书，内容不但新颖实用，后面的参考资料也非常丰富，而且大都是这方面的研究前沿和研究热点。这本书还是国家863和973计划资助的，很值得学习。

论文方面国内的你可以搜一下钟伟才的论文，他应该是焦的学生（我猜的），他们都是西安电子科技大学雷达信号处理国家重点实验室的专家。

多智能体系统，免疫进化计算，协同进化，粒子群遗传算法应该是这几年比较热的题目

如果你是做数值优化或者是多目标计算，你重点要弄清实数编码的遗传算法，如果是TSP或者是背包问题，则要深入了解二进制编码的遗传算法。

向你推荐两篇文章：
《An Orthogonal Genetic Algorithm with Quantization for Global Numerical optimition》
《A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II》

第一篇主要解决超高维（几百甚至上千维，不过我给你推荐的第二本书已经将这个纪录推到了上万维）问题。
第二篇主要讲了一下利用协同进化的方法，求解多目标优化的问题，在实际应用价值很大。

我的邮箱[email protected]

J. 人工智能入门书籍推荐

1.《深度学习》
深度学习领御奠基性的经典畅销书，长期位居亚马逊AI和机器学习类图书榜首。
2.《人工智能》
智能革命时代先行者李开复解读AI如何重塑个人、商业与社会的未来图谱。
3.《人工智能简史》
全方位解读人工智能的起源、神经网络、遗传算法、深度学习、自然语言处理等知识，深度点评AI历史趋势。
4.《人工智能的未来》
揭秘人类思维的奥秘，奇点大学校长、谷歌工程总监、《奇点临近》作者雷·库兹韦尔全面解析“人工智能”创建原理的颠覆力作。
5.《人工智能：国家人工智能战略行动抓手》
比尔·盖茨、埃隆·马斯克、扎克伯格、李彦宏、马化腾、李开复、雷军、刘庆峰等跨界大咖都在关注的科技新革命，腾讯携手工信部打造国家人工智能战略行动抓手。
6.《极简人工智能：你一定爱读的AI通识书》
全方位呈现“AI”全景蓝图：群体智能、神经网络、智能代理、情感机器、智能计算、智能机器人等。
7.《区块链 人工智能 数字货币：黑科技让生活更美好》
《纽约时报》畅销书，跟进未来趋势，用技术重构世界，解密正在全面爆发的区块链、人工智能和数字货币等黑科技。
8.《高级人工智能（第三版）》
9.《终极算法：机器学习和人工智能如何重塑世界》
比尔·盖茨年度推荐书籍，沃尔特·艾萨克森、车品觉、曹欢欢联袂推荐！
10.《人工智能新时代：全球人工智能应用真实落地50例》