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