計算智能理論與方法

第1章 緒論      1．1  計算智能的概念      1．2  計算智能技術的產生和發(fā)展過程      1．3  計算智能技術的主要應用領域      1．4  本書的結構和內容安排      參考文獻 第2章 進化計算的概念和范例     2．1  概述     2．2  模擬進化計算方法的生物學基礎     2．2．1  遺傳變異理論     2．2．2  生物進化論     2．3  模擬進化計算方法的發(fā)展歷史     2．3．1  萌芽期       2．3．2  成長期       2．3．3  發(fā)展期       2．4  模擬進化計算方法的一般框架結構     2．5  模擬進化計算方法的典型應用領域     2．6  總結     參考文獻 第3章 遺傳算法     3．1  遺傳算法概述     3．1．1  遺傳算法的發(fā)展歷史     3．1．2  遺傳算法的特點     3．2  遺傳算法的理論基礎     3．2．1  模式的概念     3．2．2  模式定理     3．2．3  積木塊假說     3．2．4  隱含并行件     3．3  基本遺傳算法及其改進算法     3．3．1  基本概念     3．3．2  遺傳操作     3．3．3  基本遺傳算法     3．3．4  改進的遺傳算法     3．4  遺傳算法的具體應用     3．4．1  遺傳算法在組合優(yōu)化中的應用     3．4．2  遺傳算法在數(shù)據(jù)挖掘中的應用     3．5  總結     參考文獻 第4章 進化規(guī)劃     4．1  概述     4．2  進化規(guī)劃算法的工作過程     4．2．1  實施步驟     4．2．2  算法實施中的具體操作     4．3  進化規(guī)劃算法的特點和優(yōu)勢     4．3．1  進化規(guī)劃算法的典型特點     4．3．2  遺傳算法和進化規(guī)劃算法的比較     4．4  進化規(guī)劃算法的具體應用     4．4．1  基于有限狀態(tài)機的預測     4．4．2  基于進化規(guī)劃算法的多模態(tài)函數(shù)優(yōu)化     4．5總結     參考文獻 第5章 其他模擬進化計算技術     5．1  進化策略     5．1．1  進化策略的表示形式     5．1．2  進化策略的實施步驟     5．1．3  進化策略與進化規(guī)劃的異同     5．1．4  進化策略實施中的關鍵問題     5．2  遺傳編程     5．2．1  概述     5．2．2  遺傳編程的實施步驟     5．2．3  遺傳編程算法的特點     5．3  粒子群優(yōu)化算法     5．3．1  概誅     5．3．2  粒子群優(yōu)化算法的基本原理     5．3．3  粒子群優(yōu)化算法的步驟     5．3．4  粒子群優(yōu)化算法的特點     5．4  總結       參考文獻   第6章 人工免疫系統(tǒng)及算法      6．1  生物免疫系統(tǒng)簡介      6．1．1  生物免疫系統(tǒng)的組成      6．1．2  生物免疫系統(tǒng)的主要功能      6．2  免疫系統(tǒng)可被借鑒的相關理論      6．2．1  生物免疫系統(tǒng)的主要原理和機制        6．2．2  生物免疫系統(tǒng)的信息處理特性      6．3  人工免疫系統(tǒng)的模型及算法     6．3．1  人工免疫網絡      6．3．2  負選擇算法      6．3．3  克隆選擇算法        6．3．4  總結      6．4  人工免疫系統(tǒng)的應用      6．4．1  聚類分析      6．4．2  其他應用領域     6．5  人工免疫系統(tǒng)的發(fā)展展望      參考文獻   第7章 人工神經網絡       7．1  神經網絡概述       7．1．1  生物神經元和生物神經網絡      7．1．2  人工神經網絡的發(fā)展過程      7．1．3  人工神經網絡的學習方法      7．2  感知器和前向神經網絡     7．2．1  感知器      7．2．2  BP神經網絡      7．2．3  總結      7．3  徑向基函數(shù)網絡     7．3．1  RBF神經網絡模型     7．3．2  RBF神經網絡的數(shù)學基礎     7．3．3  RBF神經網絡的應用     5．3．2  粒子群優(yōu)化算法的基本原理     5．3．3  粒子群優(yōu)化算法的步驟     5．3．4  粒子群優(yōu)化算法的特點     5．4總結     參考文獻 第6章 人工免疫系統(tǒng)及算法     6．1  生物免疫系統(tǒng)簡介     6．1．1  生物免疫系統(tǒng)的組成     6．1．2  生物免疫系統(tǒng)的主要功能     6．2  免疫系統(tǒng)可被借鑒的相關理論     6．2．1  生物免疫系統(tǒng)的主要原理和機制     6．2．2  生物免疫系統(tǒng)的信息處理特性     6．3  人工免疫系統(tǒng)的模型及算法     6．3．1  人工免疫網絡     6．3．2  負選擇算法     6．3．3  克隆選擇算法     6．3．4  總結     6．4  人工免疫系統(tǒng)的應用     6．4．1  聚類分析     6．4．2  其他應用領域     6．5  人工免疫系統(tǒng)的發(fā)展展望     參考文獻 第7章 人工神經網絡     7．1  神經網絡概述     7．1．1  生物神經元和生物神經網絡     7．1．2  人工神經網絡的發(fā)展過程     7．1．3  人工神經網絡的學習方法     7．2  感知器和前向神經網絡     7．2．1  感知器     7．2．2  BP神經網絡     7．2．3  總結     7．3  徑向基函數(shù)網絡     7．3．1  RBF神經網絡模型     7．3．2  RBF神經網絡的數(shù)學基礎     7．3．3  RBF神繹網絡的應用       7．4  反饋型神經網絡     7．4．1  離散型Hopfield神經網絡     7．4．2  連續(xù)型Hopfield神經網絡     7．5  小腦模型神經網絡     7．5．1  cMAC神經網絡模型及工作原理     7．5．2  CMAC神經網絡的學習算法     7．6  自組織神經網絡     7．6．1  自適應共振理論神經網絡     7．6．2  自組織特征映射網絡     7．7  總結     參考文獻  第8章 模糊邏輯理論與系統(tǒng)     8．1  模糊理論概述     8．1．1  模糊現(xiàn)象與模糊概念     8．1．2  模糊數(shù)學與模糊理論     8．1．3  模糊理論的發(fā)展和應用     8．2  模糊集合及其運算     8．2．1  模糊集合的定義     8．2．2  模糊集合的運算       8．3  模糊邏輯和模糊推理     8．3．1  模糊關系     8．3．2  模糊關系的運算       8．3．3  模糊邏輯     8．3．4  模糊推理     8．4  模糊系統(tǒng)在自動控制系統(tǒng)中的應用     8．4．1  模糊控制器與模糊控制系統(tǒng)     8．4．2  模糊控制系統(tǒng)的工作原理     8．4．3  模糊控制系統(tǒng)設計的關鍵問題     8．4．4  模糊自適應PID控制器的設計     8．5  總結     參考文獻 第9章 基于進化計算的模糊系統(tǒng)設計     9．1  基于模糊規(guī)則的模糊系統(tǒng)     9．1．1  概述     9．1．2  基于模糊規(guī)則系統(tǒng)設計     9．2  遺傳模糊系統(tǒng)     9．2．1  概述      9．2．2  實施步驟      9．2．3  研究現(xiàn)狀     9．3  基于遺傳算法的模糊控制器的設計方法     9．3．1  基于遺傳算法的模糊控制器設計概述     9．3．2  遺傳模糊控制系統(tǒng)的總體設計方案     9．3．3  基于遺傳算法來確定模糊控制規(guī)則     9．3．4  應用實例     9．3．5  結論     9．4  總結     參考文獻  第10章 計算智能方法的性能評價      10．1  通用事項      10．1．1  選擇金標準     10．1．2  訓練數(shù)據(jù)集和測試數(shù)據(jù)集的劃分     10．1．3  顯著性差異     10．1．4  交叉驗證      10．1．5  適應度     10．2  準確率     10．3  誤差評價性能指標     10．3．1  平均平方誤差     10．3．2  絕對誤差     10．3．3  歸一化誤差     10．4  接受者操作特征曲線     10．5  召回率和精確率     10．6  總結     參考文獻