本书是以工程研究者的角度来探讨遗传演算法，并不着重遗传演算法与大自然物种遗传观念间异同的探讨，而是着重于遗传演算法的理论、学习架构、相关应用…等等，透过详细说明遗传演算法的演化步骤以及详细的程式虚拟码简介，让读者可以了解遗传演化的相关学习流程，并更进一步的了解如何设计遗传演算法。此外，本书也将遗传演算法的相关理论以电脑模拟的方式应用于分类、时间序列分析、以及控制系统上，并比较不同遗传演演化架构的差异。

　　本书的章节顺序依照遗传算法的架构来介绍。从遗传演算法的理论、学习架构一直介绍到遗传演算应用于模煳系统、类神经系统、以及模煳类神经系统，读者可以透过这些介绍更了解目前遗传演算法的趋势。在每章的末尾都附上参考文献以方便读者查阅原始资料。

作者简介

林昇甫

现职：
．国立交通大学电控系教授

学历：
．国立师范大学数学学士、硕士
．美国马里兰大学电脑科学硕士
．美国伊利诺大学香槟校区电机工程博士学位

专长：
．模煳系统
．遗传演算法
．类神经网路
．自动化目标识别排程
．影像处理
．影像辨识

徐永吉

现职：
．工业技术研究院
．斐陶斐荣誉会员
．人工智慧学会(TAAI)荣誉会员

学历：
．国立交通大学电机博士

经历：
．任职德蒙资讯股份有限公司

专长：
．类神经网路
．模煳系统
．影像处理以及遗传演算法

第一章　遗传演算法简介

1.1　缘起
1.2　遗传演算法定义
1.3　遗传演算法架构
1.4　本书的架构
参考文献

第二章　遗传演算法理论

2.1　遗传演算法相关理论简介
2.2　遗传演算法
2.3　其它遗传演算法
参考文献

第三章　遗传演算学习

3.1　遗传演算法学习程序概述
3.2　染色体基因编码
3.3　初始化染色体族群
3.4　适应函数设计
3.5　排序族群染色体
3.6　复制策略
3.7　交配策略
3.8　突变策略
3.9　基因演算法参数设计
参考文献

第四章　遗传模煳系统简介

4.1　模煳系统简介
4.2　遗传演算法与模煳系统整合
参考文献

第五章　遗传模煳系统之学习程序

5.1　调整模煳法则系统
5.2　基因调整曼特宁模煳法则系统的归属函数
5.3　基因调整TSK模煳法则系统的归属函数
参考文献

第六章　遗传类神经系统

6.1　遗传类神经网路系统
6.2　遗传模煳类神经系统
参考文献

第七章　相关应用

7.1　分类
7.2　混沌时间序列分析
7.3　控制系统
参考文献