Gdy pojawia się potrzeba wykonania prognozy, istnieją sytuacje, kiedy opieramy się jedynie na szeregach czasowych, ponieważ albo brakuje czasu na poszukiwanie zewnętrznych czynników wpływających na dane zjawisko, albo takowych nie da się wskazać w jednoznaczny sposób.
W konfrontacji z narzędziami o bardziej skomplikowanej konstrukcji (na przykład jedno- i wielorównaniowymi modelami ekonometrycznymi) takie postępowanie wydaje się zbyt uproszczone, żeby nie powiedzieć „trywialne”. Praktyka jednak pokazuje, że metoda prostsza nie oznacza automatycznie metody gorszej. Co więcej, dzięki optymalizacji heurystycznej techniki od dawna znane zyskują nowe możliwości.
Książka stanowi próbę przerzucenia pomostu między prognozowaniem niestrukturalnym a wybranymi metodami ewolucyjnymi. Postawiliśmy sobie za cel udowodnienie, że takie połączenie jest nie tylko możliwe, lecz także niesie ze sobą korzyści.

• Wst¦p 9
• Rozdział 1. Algorytmy genetyczne – charakterystyka metody 13
  • Klasyczny algorytm genetyczny 13
    • Matematyczne podstawy algorytmów genetycznych 18
    • Przykªad dziaªania klasycznego algorytmu genetycznego 23
  • Przegl¡d modyfikacji wpªywaj¡cych na konstrukcj¦ chromosomu 32
    • Zmiany reprezentacji genotypu 32
    • Dziaªania wpªywaj¡ce na porz¡dek genów w chromosomie 35
    • Kodowanie rzeczywiste chromosomu 38
  • Przegl¡d modyfikacji operatorów algorytmu 41
    • Nieklasyczne metody selekcji chromosomów 42
    • Model uogólnionego krzy»owania 48
    • Wykorzystanie zjawiska nisz i gatunków 50
  • Przegl¡d modyfikacji zmieniaj¡cych posta¢ funkcji przystosowania 55
    • Skalowanie funkcji przystosowania 55