进化计算导论

A.E.+Eiben

在计算机科学领域，进化计算（Evolutionary Computation）归属于人工智能，进一步说是智能计算中涉及到组合优化问题的一个子域。其算法是受生物进化过程中“优胜劣汰”的自然选择机制和遗传信息的传递规律的影响，通过程序迭代模拟这一过程，把要解决的问题看作环境，在一些可能的解组成的种群中，通过自然演化寻求最优解。进化算法正是借用以上生物进化的规律，通过繁殖、竞争、再繁殖、再竞争，实现优胜劣汰，一步步逼近复杂工程技术问题的最优解。进化算法有着极为广泛的应用，在模式识别、图像处理、人工智能、经济管理、机械工程、电气工程、通讯、生物学等众多领域都获得了较为成功的应用。本书是一部进化算法理论方面的综述性书籍。

本书共分三大部分，17章：第一部分 基础知识，包含第1-6章：1.介绍如今需要解决的几个难题，包括建模、优化和仿真问题、搜索问题、NP问题等；2.进化计算的起源：包括简要的历史概述与生物学启示；3.进化算法是什么：介绍概述性的定义，及其关键的组成部分；4.表示、突变与重组：亦即算法的必备知识，包括二进制、整数、排列和树的表示方法；5.通过人口管理的实例说明进化算法；6.包括遗传算法、差分算法、粒子群算法等流行的进化算法。

第二部分 方法论，包含第7-9章：7.算法参数和参数整定的方法介绍；8.参数控制：通过参数变化的具体实例，结合相关评价函数，给出了参数整定的效果说明；9.介绍了进化算法在当今世界应用的实例。

第三部分 高级方法，包含第10-17章：10.与Memetic算法的结合；11.非平稳和噪声函数优化：包括不同来源不确定性的影响，方法介绍及实例应用；12.多目标进化算法的介绍，最后给出了在分布式协同车间时间表的优化实例；13.约束处理算法理论；14.交互式进化算法：包括其特点、历史方法介绍等，最后给出了用户偏好的自动获取作为实例；15.共同进化系统；16.理论：包括马尔可夫连锁分析、统计力学方法、还原方法、黑盒剖析等算法支持的相关理论；17.进化机器人：包括离线和在线进化的机器人介绍、算法引入及未来的展望。

作者A.E. Eiben在1991年取得计算机科学的博士学位，是欧洲开展进化计算研究的先驱者之一，在相关研究的重要事件和出版物的指导委员会和计划委员会中起着关键的作用。他的主要研究领域是多亲重组（multiparent recombination）， 约束满足（constraint satisfaction）和自校准进化算法（self-calibrating evolutionary algorithms），他现在正在研究具身智能（embodied intelligence）和进化机器人等更广泛的方面。

本书结构编排十分合理，三大部分内容循序渐进，逐渐深入。最后一章进行了有关进化机器人的讨论，角度新颖，令人兴奋。本书适合于人工智能与计算智能领域本科生和研究生课程，并为从事与仿生设计和优化的从业人员和研究人员提供自主学习的素材。

李亚宁，博士研究生

（中国科学院自动化研究所）