《智能优化计算》ppt课件，内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。

件，主要内容智能控制概论、模糊控制、神经元网络控制模糊-神经网络控制、遗传算法、递阶智能控制理论等。

：贝叶斯学习、归纳和分析学习的结合、计算学习理论、决策树学习、人工神经网络、学习规则集合、遗传算法。

智能优化电子图书，内容包括遗传算法及其应用与智能优化算法及其应用两部分。

field网络、GA算法、模糊控制、神经元网络控制、模糊-神经网络控制、遗传算法、递阶智能控制理论等

6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.3 遗传算法应用中的一些基本问题 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 微种群和双种群遗传算法 6.6 基于遗传算法的系统在线辨识 6.7 基于遗传算法的模糊控制 6.8 免疫遗传算法 6.8.1 免疫遗传算法的基本概念 6.8.2 免疫算子的机理与构造 6.8.3 TSP问题的免疫遗传算法

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

在基本的遗传算法(SGA)中,初始群体是随机产生的.为了增加个体的遍历性和多样性提出一种用网格法来产生遗传算法的初始群体,并对网格法的遗传算法的优化效率进行了定量的评价.同时与基本的遗传算法一起应用在DeJong的测试函数F1上便于进行对比.评价结果和实验结果表明网格法在提高遗传算法的优化效率上是可行的

首先建立了两流薄板坯连铸连轧流程生产调度规则库.然后根据该生产流程的特点,提出了遗传算法新的编码、交叉、变异操作及改良的概念,并在遗传算法的初始种群建立和改良过程中引入调度规则.在此基础上,利用调度规则和遗传算法相结合的混合遗传算法建立了两流薄板坯连铸连轧流程生产调度系统.该调度系统可以较好地解决两流薄板坯连铸连轧流程的动态调度问题,进一步优化生产组织

炼钢连铸制造流程是一个复杂的多阶段、多产品生产过程,其生产调度问题可建模为车间调度问题.提出一个改进遗传算法求解炼钢连铸生产调度问题.改进包括三个方面:基于排序的适应度分配、基于排序的工件过滤交叉算子和基于指数关系的变异率曲线.经24个benchmark的比较测试表明,改进遗传算法比传统遗传算法的寻优能力更强.通过16个生产计划和6个处理工序的炼钢连铸生产调度实例计算结果表明,改进遗传算法是有效的