遗传算法及其应用书籍的详细资料说明

　　遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由美国J.Holland教授提出，其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题，可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域，是21世纪有关智能计算中的关键技术之一。本章先从生物进化讲起，接着示例介绍简单遗传算法的具体设计方法和步骤，然后归纳出遗传算法的一般特点，最后简要介绍遗传算法的研究历史和现状以及今后将研究的主要有关课题。

　　生命科学与工程科学的相互交叉、相互渗透和相互促进是近代科学技术发展的一个显著特点，而遗传算法的蓬勃发展正体现了科学发展的这-特征和趋势。

　　遗传算法（Genetic Algorithm--GA），是模拟达尔文的遗传I选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的“。J.Hlland教授和他的研究小组围绕遗传算法进行研究的宗旨有两个，-是抽取和解释自然系统的自适应过程，二是设计具有自然系统机理的人工系统。毫无疑问，Holand教授的研究无论对自然系统还是对人工系统都是十分有意义的。

　　众所周知，在人工智能领域中，有不少问题需要在复杂而庞大的搜索空间中寻找最优解或准最优解。像货郎担问题和规划问题等组合优化问题就是典型的例子，在求解此类问题时，若不能利用问题的固有知识来缩小搜索空间则会产生搜索的组合爆炸。因此，研究能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到最优解或准最优解的通用搜索算法一直是令人瞩目的课题。遗传算法就是这种特别有效的算法。它的主要特点是简单、通用，鲁棒性强，适用于并行分布处理，应用范围广。尽管遗传算法本身在理论和应用方法上仍有许多待进一步研究的问题，但它在组合优化问题求解、自适应控制、规划设计、机器学习和人工生命等领域的应用中已展现了其特色和魅力。