Tính Toán Tiến Hoá - Huỳnh Thị Thanh Bình, NXB Bách Khoa Hà Nội, 2024

Trong lĩnh vực trí tuệ nhân tạo và tối ưu hóa, tính toán tiến hóa (Evolutionary Computation) là một hướng tiếp cận nhận được nhiều sự quan tâm của cộng đồng nghiên cứu nhờ khả năng tìm kiếm giải pháp tối ưu cho các bài toán phức tạp. Tính toán tiến hóa đã và đang được áp dụng rộng rãi trong nhiều khía cạnh của đời sống, từ các lĩnh vực xã hội, kỹ thuật, đến an ninh quốc phòng, v.v.. Tính toán tiến hóa lấy cảm hứng từ quá trình tiến hóa tự nhiên, mô phỏng quá trình chọn lọc, di truyền để giải quyết các bài toán. Các thuật toán tiến hóa có ưu điểm nổi bật là khả năng giải các bài toán với không gian tìm kiếm lớn, không đòi hỏi hàm mục tiêu phải liên tục. 

Mục tiêu của giáo trình “Tính toán tiến hóa” là giúp người đọc nắm vững các kiến thức nền tảng của tính toán tiến hóa và có thể áp dụng để giải các bài toán ứng dụng trong thực tế. Giáo trình được sử dụng để giảng dạy cho sinh viên, học viên cao học ngành Công nghệ thông tin của Đại học Bách khoa Hà Nội và các trường đại học khối kỹ thuật.

Mục lục:

LỜI NÓI ĐẦU
DANH MỤC THUẬT NGỮ VÀ TỪ VIẾT TẮT
DANH MỤC BẢNG BIỂU 
DANH MỤC HÌNH ẢNH
Chương 1 Cơ sở lý thuyết 
1.1 Bài toán tối ưu và các khái niệm cơ bản
1.2 Phân loại bài toán tối ưu 
1.3 Thuật toán
1.4 Các phương pháp giải bài toán tối ưu
1.5 Câu hỏi 
1.6 Kết luận
Chương 2 Giới thiệu về tính toán tiến hóa 
2.1 Ý nghĩa của các thành phần trong tính toán tiến hóa
2.2 Thuật toán tiến hóa 
2.3 Các thành phần chính của các thuật toán tiến hóa
2.4 Câu hỏi
2.5 Kết luận 
Chương 3 Thuật toán di truyền
3.1 Thuật toán di truyền cơ bản
3.2 Mã hóa cá thể
3.3 Chọn lọc cá thể cha mẹ
3.4 Khởi tạo quần thể 
3.5 Đánh giá độ thích nghi
3.6 Ước lượng độ thích nghi
3.7 Toán tử lai ghép
3.8 Toán tử đột biến
3.9 Chọn lọc sinh tồn
3.10 Lựa chọn tham số
3.11 Ví dụ về áp dụng thuật toán di truyền 
3.12 Câu hỏi 
3.13 Kết luận 
Chương 4 Thuật toán tiến hóa sai phân 
4.1 Thuật toán tiến hóa sai phân cơ bản
4.2 Mở rộng thuật toán tiến hóa sai phân cơ bản 
4.3 Thuật toán tiến hóa sai phân rời rạc 
4.4 Ví dụ về áp dụng thuật toán tiến hóa sai phân
4.5 Câu hỏi 
4.6 Kết luận 
Chương 5 Thuật toán lập trình di truyền
5.1 Thuật toán lập trình di truyền cơ bản
5.2 Biểu diễn cá thể
5.3 Khởi tạo quần thể 
5.4 Hàm thích nghi
5.5 Toán tử lai ghép
5.6 Toán tử đột biến
5.7 Các biến thể của thuật toán lập trình di truyền 
5.8 Ví dụ minh họa áp dụng thuật toán lập trình di truyền
5.9 Câu hỏi 
5.10 Kết luận 
Chương 6 Thuật toán di truyền cây liên kết
6.1 Thuật toán di truyền cây liên kết cơ bản
6.2 Xây dựng cây liên kết
6.3 Toán tử lai ghép
6.4 Khởi tạo quần thể 
6.5 Hiện tượng lặp lại đánh giá các cá thể giống nhau
6.6 Chiến lược sử dụng cây liên kết trong lai ghép
6.7 Lựa chọn cá thể cha mẹ tham gia lai ghép
6.8 Ví dụ về áp dụng thuật toán di truyền cây liên kết 
6.9 Câu hỏi
6.10 Kết luận 
Chương 7 Thuật toán memetic
7.1 Các ưu điểm của thuật toán memetic
7.2 Tìm kiếm cục bộ 
7.3 Cấu trúc của thuật toán memetic
7.4 Các vấn đề khi thiết kế thuật toán memetic
7.5 Ví dụ minh họa áp dụng thuật toán memetic
7.6 Câu hỏi 
7.7 Kết luận 
Chương 8 Thuật toán tiến hóa đa mục tiêu
8.1 Thuật toán di truyền sắp xếp không trội NSGA-II
8.2 Thuật toán tiến hóa đa mục tiêu dựa trên phân rã
8.3 Thuật toán tiến hóa đa nhân tố đa mục tiêu 
8.4 Đánh giá biên xấp xỉ 
8.5 Ví dụ về áp dụng thuật toán tiến hóa đa mục tiêu
8.6 Câu hỏi
8.7 Kết luận
Chương 9 Cài đặt các thuật toán
9.1 Thuật toán di truyền
9.2 Thuật toán lập trình tiến hóa
9.3 Thuật toán tiến hóa sai phân 
9.4 Thuật toán tiến hóa đa mục tiêu 
9.5 Thư viện các thuật toán viết bằng ngôn ngữ lập trình Java
Tài liệu tham khảo