1、遺傳演算法基本認識 1-1
1.1什麼是遺傳演算法？ 1-3
1.2為什麼需要遺傳演算法？ 1-4
1.3遺傳演算法(Genetic Algorithms)簡介 1-9
1.4歷史 1-11
2、遺傳演算法介紹 2-1
2.1數學尋優問題 2-3
2.2搜尋空間(search space) 2-5
2.3梯度法與其遭遇的困難[8] 2-6
2.4遺傳法則 2-10
3、控制律與遺傳演算法 3-1
3.1控制問題與控制律 3-3
3.2如何將控制律的參數與遺傳演算法程式聯結 3-10
3.3模糊控制設計 3-29
3.4模糊控制設計範例 3-59
3.5類神經控制設計 3-75
3.6類神經控制設計範例 3-101
3.7以C語言為主之類神經控制器與Simulink的結合 3-109
3.8馬達控制設計範例 3-121
4、遺傳演算法理論檢討 4-1
4.1實數遺傳演算法(RGA、CGA、FPGA) 4-3
4.2線性適應函數調整(Linear fitness scaling) 4-8
4.3模式(輪廓)定理(Schema theorem) 4-13
4.4運算子(Operators)檢討 4-28
4.5格雷碼(Gray codes) 4-34
4.6遺傳演算法的收斂性(Convergence of GA) 4-37
4.7遺傳演算法分類 4-38
5、智慧型控制與智慧型計算 5-1
5.1智慧型計算(Soft computing) 5-3
5.2專家控制(Expert control) 5-4
5.3學習控制(Learning control) 5-5
5.4智慧型控制(Intelligent control) 5-6
5.5模擬退火法(Simulated annealing) 5-8
5.6進化計算(Evolutionary computation) 5-16
6、應用範例 6-1
6.1利用類神經網路(Artificial neural networks)做系統鑑別
(System identification)及控制 6-3
6.2倒單擺及模糊邏輯控制器(Fuzzy logic controllers)的設計6-50
6.3馬達及模糊邏輯控制器的設計 6-100
6.4汽車巡航速度控制(Cruise control) 6-117
6.5倒車入庫(Back-track)問題 6-121
6.6倒單擺模糊邏輯控制器及監督控制器設計 6-127
6.7直流馬達位置控制器設計 6-138
6.8電梯部份自動化設計(使用NN) 6-145
7、粒子物群智慧(Particle Swarm Intelligence)簡介 7-1
7.1粒子物群智慧(Particle Swarm Intelligence,PSI) 7-5
7.2物群智慧(Swarm Intelligence) 7-21
7.3蟻群優化法(Ant Colony Optimization, ACO) 7-23
7.4數學優化典型問題(Mathematical optimization benchmarkproblems) 7-25
7.5PSO (粒子物群優化法)應用範例 7-36
7.6PSO函式程式撰寫 7-99
附錄 1 Simulink 簡介 附錄1-1
附錄 2 模糊邏輯控制器設計 附錄2-1
附錄 3 尋找GA程式 附錄3-1
附錄 4 撰寫GA程式 附錄4-1
附錄 5 了解GA過程 附錄5-1
附錄 6 解分配過程 附錄6-1
