软计算方法

绪论
第一篇 模糊计算
1 模糊概念与模糊集合
1·1模糊概念
1·1·1概述
1·1·2模糊性与随机性
1·2普通集合
1·2·1集合的概念
1·2·2集合的运算性质
1·2·3特征函数
1·3模糊集合
1·3·1模糊集合的概念
1·3·2隶属函数
1·3·3模糊集合的运算
1·4模糊集合与普通集合的联系
1·4·1λ截集
1·4·2分解定理
2 模糊关系与模糊变换
2·1模糊关系的基本概念
2·1·1基本知识
2·1·2模糊关系的概念
2·l·3模糊关系的运算
2·2模糊关系的合成
2·3模糊关系的性质
2·4模糊变换
2·4·1模糊变换的概念
2·4·2扩张原理
3 模糊推理
3·1模糊语言与语言变量
3·1·1自然语言的模糊性
3·1·2语言变量和语言值
3·2模糊命题与模糊条件语句
3·2·1模糊命题
3·2·2模糊条件语句
3·3模糊推理
3·3·1模糊推理的基本概念
3·3·2关系合成推理法
3·3·3特征展开近似推理方法
4 模糊系统的建模
4·1模糊系统模型
4·2模糊系统模型的建立方法
小结
第二篇 进化计算
5 遗传算法
5·1遗传算法的概念
5·1·1遗传算法的生物遗传学基础
5·1·2遗传算法的一般结构
5·1·3遗传算法的特点
5·1·4遗传算法的基本操作
5·2遗传算法的模式理论
5·2·1模式概念
5·2·2模式定理
5·2·3遗传算法有效处理的模式数量
5·3遗传算法的收敛性分析
5·3·1预备知识
5·3·2标准遗传算法的Markov链描述
5·3·3标准遗传算法的收敛性
5·3·4一般可测状态空间上遗传算法的收敛性
5·4遗传算法实现中的基本问题
5·4·1目标函数值到适值的映射
5·4·2适值调整
5·4·3编码原则
5·4·4多参数级联定点映射编码
5·5遗传算法的发展
5·5·1改进遗传算法的一般结构
5·5·2编码问题
5·5·3遗传运算
5·5·4混合遗传算法
6 模拟退火算法
6·1概述
6·1·1物理退火过程
6·1·2Metropolis算法
6·1·3模拟退火算法
6·2模拟退火算法的收敛性分析
6·2·1模拟退火算法的Markov链描述
6·2·2模拟退火算法的收敛性
6·3模拟退火算法的关键参数控制
6·3·1控制参数初值to
6·3·2控制参数的终值tf
6·3·3Markov链长Lk
6·3·4控制参数的更新函数T(t)
6·4模拟退火算法的应用
6·4·1模拟退火算法应用的一般要求
6·4·2典型组合优化问题的模拟退火算法
7 禁忌搜索算法
7·1禁忌搜索算法的要素
7·1·1禁忌搜索算法的基本思想
7·1·2禁忌搜索算法的主要构成
7·1·3禁忌搜索算法流程
7·2禁忌搜索算法的收敛性分析
7·3禁忌搜索算法示例
7·4禁忌搜索算法的发展和应用
7·4·1并行禁忌搜索算法
7·4·2禁忌搜索算法与遗传算法的混合策略
7·4·3Flow-Shop问题的禁忌搜索算法
7·4·4函数优化中的禁忌搜索算法
小结
第三篇 神经计算
8 神经网络概述
8·1基本概念
8·1·1生物神经元模型
8·1·2人工神经元模型
8·1·3人工神经网络模型
8·2神经网络的学习方法
8·2·1学习机理
8·2·2学习方法
8·2·3学习规则
9 前馈网络模型及其主要算法
9·1感知器网络模型及算法
9·1·1感知器网络模型
9·1·2感知器网络的学习算法
9·2BP网络与误差反向传播算法
9·2·1BP网络
9·2·2误差反向传播算法
9·2·3BP网络学习算法的改进
9·24RBF网络
1 反馈网络模型及其主要算法
1·1Hopfield网络与算法
1·1·1Hopfield网络结构与基本思想
1·1·2Hopfield网络的工作方式及算法
1·2Boltzmann机网络和学习方法
1·2·1Boltzmann机的网络结构
1·2·2Boltzmann机网络的学习和训练
1·3自组织特征映射网络和算法
1·3·1自组织特征映射网络结构
1·3·2自组织特征映射网络的自组织算法
小结
第四篇 软计算方法及其应用
11 软计算方法及其应用
11·1软计算方法概述
11·2软计算方法的应用
11·2·1模糊推理与遗传算法的结合
11·2·2流水线调度问题的模糊遗传算法
11·2·3供应链管理中软计算方法的应用
11·2·4基于神经网络的模糊系统
小结
参考文献