Цитирование:

Sean Luke, 2009, Essentials of Metaheuristics, Lulu, available for free at http://cs.gmu.edu/~sean/book/metaheuristics/.

Люк Ш. Основы метаэвристик. 2009. http://qai.narod.ru/GA/metaheuristics.html (оригинал: http://cs.gmu.edu/~sean/book/metaheuristics/).

Цитирование (BiBTeX)

@Book{ Luke2009Metaheuristics, 
       author = { Sean Luke }, 
       title =  { Essentials of Metaheuristics },
       year = { 2009 }, 
       publisher = { Lulu },
       note = { Available for free at http://cs.gmu.edu/$\sim$sean/book/metaheuristics/ } 
     }

Бумажный вариант:

Содержание (числа в скобках обозначают версию книги)

0. Введение (1.2)

1. Градиентные методы оптимизации (версия книги: 0.2)

2. Методы с одним состоянием (0.11)
    2.1 Локальный поиск. (0.11)
        2.1.1 Значение функции Tweak. (0.11)
    2.2 Алгоритмы глобальной оптимизации с одним состоянием. (0.11)
    2.3 Настройка процедуры модификации: (1+1), (1 + λ), (1, λ) (0.11)
    2.4 Алгоритм имитации отжига. (1.2)
    2.5 Поиск с запретом. (1.2)
    2.6 Итеративный локальный поиск. (1.2)

3. Популяционные методы (версия книги: 0.5)
    3.1 Эволюционные стратегии
        3.1.1 Мутация и эволюционное программирование
    3.2 Генетический алгоритм
        3.2.1 Кроссиновер и мутация
        3.2.2 Снова о рекомбинации
        3.2.3 Селекция
    3.3 Вариации на тему использования найденных решений
        3.3.1 Элитаризм
        3.3.2 Устойчивый генетический алгоритм
        3.3.3 Алгоритм со схемой генетического программирования с кодированием деревьями
        3.3.4 Гибридные эволюционные и локальные алгоритмы
        3.3.5 Распределенный поиск
    3.4 Дифференциальная эволюция: Алгоритм адаптивной мутации
    3.5 Вариации на тему: "Эксплуатация против Исследования"
    3.6 Оптимизация с использованием роящихся частиц

4. Представление данных (0.8)
    4.1. Векторы (0.8)
        4.1.1 Инициализация и смещение (0.8)
        4.1.2 Мутация (0.8)
        4.1.3 Рекомбинация (0.8)
    4.2 Прямое кодирование графов (0.8)
        4.2.1 Инициализация (0.8)
        4.2.2 Мутация (0.8)
        4.2.3 Рекомбинация (0.8)
    4.3 Деревья и генетическое программирование (0.9)
        4.3.1 Инициализация (0.9)
        4.3.2 Рекомбинация (0.9)
        4.3.3 Мутация (0.9)
        4.3.4 Леса и автоматически определяемые функции (0.9)
        4.3.5 Сильно-типизированное генетическое программирование (0.9)
        4.3.6 Клеточное кодирование (0.9)
        4.3.7 Стековые языки (0.9)
    4.4 Списки, генетическое программирование на машинном языке и эволюция грамматик (0.8)
        4.4.1 Инициализация (0.8)
        4.4.2 Мутация (0.8)
        4.4.3 Рекомбинация (0.8)
    4.5 Наборы правил (0.6)
        4.5.1 Правила "Состояние-Действие" (0.6)
        4.5.2 Продукционные правила (0.6)
        4.5.3 Инициализация (0.6)
        4.5.4 Мутация (0.6)
        4.5.5 Рекомбинация (0.6)
    4.6 Раздувание кода (1.2)

5. Параллельные методы (1.2)
    5.1 Множественные потоки (1.2)
    5.2 Островные модели (1.2)
    5.3 Определение приспособленности по схеме "Хозяин-Раб" (1.2)
    5.4 Пространственно-вложенные модели (1.2)

6. Коэволюция (1.2)
    6.1 Конкурентная коэволюция с одной популяцией (1.2)
        6.1.1 Относительное внутреннее вычисление приспособленности (1.2)
    6.2 Конкурентная коэволюция с двумя популяциями (1.2)
    6.3 Кооперативная коэволюция с N популяциями (1.2)
    6.4 Нишинг (1.2)
        6.4.1 Разделение приспособленности (1.2)
        6.4.2 Перенаселение (1.2)

7. Многокритериальная оптимизация (версия книги: 0.5)
    7.1 Наивные методы
    7.2 Недоминируемая сортировка
    7.3 Парето-сила особи

8. Комбинаторная оптимизация (1.2)
    8.1 Оптимизация общего назначения и жесткие ограничения (1.2)
    8.2 Жадные рандомизированные адаптивные процедуры поиска (1.2)
    8.3 Алгоритм муравьиной колонии (1.2)
        8.3.1 Муравьиная система (1.2)
        8.3.2 Система колонии муравьев (1.2)
    8.4 Управляемый локальный поиск (1.2)

9. Оптимизация путем аппроксимации модели (1.2)
    9.1 Аппроксимация модели с использованием классификации (1.2)
    9.2 Аппроксимация модели с использованием распределений (1.2)
        9.2.1 Алгоритмы оценки распределений с одной переменной (1.2)
        9.2.2 Алгоритмы оценки распределений со многими переменными (1.2)

10. Оптимизация правил действий
    10.1 Обучение с подкреплением: "Плотная" оптимизация правил действий (0.5)
        10.1.1 Q-обучение (0.5)
    10.2 Разреженная стохастическая оптимизация правил действий (0.6)
        10.2.1 Представление правил (0.6)
    10.3 Система правил по Питт-подходу (0.6)
    10.4 Мичиганский подход к системам обучающихся классификаторов (0.6)
    10.5 Является ли это генетическим программированием? (0.6)

11. Разное
    11.1 Методология проведения экспериментов
        11.1.1 Генераторы случайных чисел, воспроизводимость и дублирование
        11.1.2 Методы сравнения
    11.2 Простые тестовые задачи (версия книги: 0.2)
        11.2.1 Задачи для булевских векторов
        11.2.2 Задачи для вещественных векторов
        11.2.3 Многокритериальные задачи
        11.2.4 Задачи для генетического программирования
    11.3 Справочная информация
        11.3.1 Библиографии, обзоры и веб-сайты
        11.3.2 Публикации
        11.3.3 Инструменты
        11.3.4 Конференции
        11.3.5 Журналы
        11.3.6 Списки рассылки
    11.4 Пример программы курса по книге

Скачать одним файлом. (пока что это банальнейший merge, поэтому работать с ним не очень удобно)

[30 ноября 2009г.]