遗传算法是受自然进化启发的搜索、优化和学习算法家族中的一员。通过模拟进化过程，遗传算法较传统搜索算法具有更多优势，可为各式问题提供高质量的解决方案。本书基于Python语言将遗传算法应用于各种任务，提供在人工智能和其他很多领域应用遗传算法的实践经验。同时，本书涵盖了人工智能领域的新进展。

柯良军，西安交通大学电信学院自动化系教授、博士生导师。2008年获西安交通大学工学博士学位。2011年10至2012年10月在英国University of Essex访问学习。研究方向为复杂系统建模与优化，尤其是无人智能系统与城市交通系统的建模与优化。在IEEE Transaction on Cybernetics, Omega, European Journal of Operational Research等重要刊物发表论文30余篇，其中SCI检索论文20余篇，出版学术专著1部。担任《IEEE Transactions on Evolutionary Computation》、《IEEE Transaction on Cybernetics》、《 European Journal of Operational Research》、CEC等国际重要期刊和会议的审稿人。先后主持国家自然科学基金等10余项科研课题。

前言 受查尔斯·达尔文的自然进化论的启发，遗传算法被例证为是解决搜索、优化和学习问题的最引人关注的算法之一，特别是当传统算法无法在合理的时间范围内提供足够好的结果时。 本书将带您踏上掌握这一极其强大但简便的方法的旅程，并将其应用到各种各样的任务中，最终通向人工智能应用。 通过本书可以了解多种遗传算法的工作原理及应用。此外，本书还结合当前流行的Python编程语言，提供遗传算法在各个领域的应用实践。 本书读者对象 本书旨在帮助软件开发人员、数据科学家和人工智能爱好者利用遗传算法解决其工程应用中相关学习、搜索和优化问题，以及提升现有智能应用程序的性能和准确性。 本书同样适用于每一个承担着实际工程任务的人，用于解决传统算法难以处理的，或无法在限定时间内提供高质量结果的难题。本书展示了遗传算法如何作为一种强大而简便的方法来解决各种复杂问题。 本书包含内容 第1章介绍了遗传算法及其基本理论和基本工作原理，探索遗传算法与传统方法之间的差异，并了解一些遗传算法的最佳应用场景。 第2章理解遗传算法的关键要素，深入研究了遗传算法的关键组成部分和实现细节。在概述了基本的遗传算法流程之后，您将了解它们的不同要素以及每个要素的各种实现。 第3章介绍强大而灵活的进化计算框架DEAP，它能够用遗传算法解决现实生活中的问题。通过编写Python程序解决OneMax问题(即遗传算法领域的“Hello World”问题)，了解如何使用DEAP框架。 第4章介绍了组合优化问题，如背包问题、旅行商问题和车辆路径问题，以及如何使用遗传算法和DEAP...