计算智能理论与方法

第1章 绪论      1．1  计算智能的概念      1．2  计算智能技术的产生和发展过程      1．3  计算智能技术的主要应用领域      1．4  本书的结构和内容安排      参考文献 第2章 进化计算的概念和范例     2．1  概述     2．2  模拟进化计算方法的生物学基础     2．2．1  遗传变异理论     2．2．2  生物进化论     2．3  模拟进化计算方法的发展历史     2．3．1  萌芽期       2．3．2  成长期       2．3．3  发展期       2．4  模拟进化计算方法的一般框架结构     2．5  模拟进化计算方法的典型应用领域     2．6  总结     参考文献 第3章 遗传算法     3．1  遗传算法概述     3．1．1  遗传算法的发展历史     3．1．2  遗传算法的特点     3．2  遗传算法的理论基础     3．2．1  模式的概念     3．2．2  模式定理     3．2．3  积木块假说     3．2．4  隐含并行件     3．3  基本遗传算法及其改进算法     3．3．1  基本概念     3．3．2  遗传操作     3．3．3  基本遗传算法     3．3．4  改进的遗传算法     3．4  遗传算法的具体应用     3．4．1  遗传算法在组合优化中的应用     3．4．2  遗传算法在数据挖掘中的应用     3．5  总结     参考文献 第4章 进化规划     4．1  概述     4．2  进化规划算法的工作过程     4．2．1  实施步骤     4．2．2  算法实施中的具体操作     4．3  进化规划算法的特点和优势     4．3．1  进化规划算法的典型特点     4．3．2  遗传算法和进化规划算法的比较     4．4  进化规划算法的具体应用     4．4．1  基于有限状态机的预测     4．4．2  基于进化规划算法的多模态函数优化     4．5总结     参考文献 第5章 其他模拟进化计算技术     5．1  进化策略     5．1．1  进化策略的表示形式     5．1．2  进化策略的实施步骤     5．1．3  进化策略与进化规划的异同     5．1．4  进化策略实施中的关键问题     5．2  遗传编程     5．2．1  概述     5．2．2  遗传编程的实施步骤     5．2．3  遗传编程算法的特点     5．3  粒子群优化算法     5．3．1  概诛     5．3．2  粒子群优化算法的基本原理     5．3．3  粒子群优化算法的步骤     5．3．4  粒子群优化算法的特点     5．4  总结       参考文献   第6章 人工免疫系统及算法      6．1  生物免疫系统简介      6．1．1  生物免疫系统的组成      6．1．2  生物免疫系统的主要功能      6．2  免疫系统可被借鉴的相关理论      6．2．1  生物免疫系统的主要原理和机制        6．2．2  生物免疫系统的信息处理特性      6．3  人工免疫系统的模型及算法     6．3．1  人工免疫网络      6．3．2  负选择算法      6．3．3  克隆选择算法        6．3．4  总结      6．4  人工免疫系统的应用      6．4．1  聚类分析      6．4．2  其他应用领域     6．5  人工免疫系统的发展展望      参考文献   第7章 人工神经网络       7．1  神经网络概述       7．1．1  生物神经元和生物神经网络      7．1．2  人工神经网络的发展过程      7．1．3  人工神经网络的学习方法      7．2  感知器和前向神经网络     7．2．1  感知器      7．2．2  BP神经网络      7．2．3  总结      7．3  径向基函数网络     7．3．1  RBF神经网络模型     7．3．2  RBF神经网络的数学基础     7．3．3  RBF神经网络的应用     5．3．2  粒子群优化算法的基本原理     5．3．3  粒子群优化算法的步骤     5．3．4  粒子群优化算法的特点     5．4总结     参考文献 第6章 人工免疫系统及算法     6．1  生物免疫系统简介     6．1．1  生物免疫系统的组成     6．1．2  生物免疫系统的主要功能     6．2  免疫系统可被借鉴的相关理论     6．2．1  生物免疫系统的主要原理和机制     6．2．2  生物免疫系统的信息处理特性     6．3  人工免疫系统的模型及算法     6．3．1  人工免疫网络     6．3．2  负选择算法     6．3．3  克隆选择算法     6．3．4  总结     6．4  人工免疫系统的应用     6．4．1  聚类分析     6．4．2  其他应用领域     6．5  人工免疫系统的发展展望     参考文献 第7章 人工神经网络     7．1  神经网络概述     7．1．1  生物神经元和生物神经网络     7．1．2  人工神经网络的发展过程     7．1．3  人工神经网络的学习方法     7．2  感知器和前向神经网络     7．2．1  感知器     7．2．2  BP神经网络     7．2．3  总结     7．3  径向基函数网络     7．3．1  RBF神经网络模型     7．3．2  RBF神经网络的数学基础     7．3．3  RBF神绎网络的应用       7．4  反馈型神经网络     7．4．1  离散型Hopfield神经网络     7．4．2  连续型Hopfield神经网络     7．5  小脑模型神经网络     7．5．1  cMAC神经网络模型及工作原理     7．5．2  CMAC神经网络的学习算法     7．6  自组织神经网络     7．6．1  自适应共振理论神经网络     7．6．2  自组织特征映射网络     7．7  总结     参考文献  第8章 模糊逻辑理论与系统     8．1  模糊理论概述     8．1．1  模糊现象与模糊概念     8．1．2  模糊数学与模糊理论     8．1．3  模糊理论的发展和应用     8．2  模糊集合及其运算     8．2．1  模糊集合的定义     8．2．2  模糊集合的运算       8．3  模糊逻辑和模糊推理     8．3．1  模糊关系     8．3．2  模糊关系的运算       8．3．3  模糊逻辑     8．3．4  模糊推理     8．4  模糊系统在自动控制系统中的应用     8．4．1  模糊控制器与模糊控制系统     8．4．2  模糊控制系统的工作原理     8．4．3  模糊控制系统设计的关键问题     8．4．4  模糊自适应PID控制器的设计     8．5  总结     参考文献 第9章 基于进化计算的模糊系统设计     9．1  基于模糊规则的模糊系统     9．1．1  概述     9．1．2  基于模糊规则系统设计     9．2  遗传模糊系统     9．2．1  概述      9．2．2  实施步骤      9．2．3  研究现状     9．3  基于遗传算法的模糊控制器的设计方法     9．3．1  基于遗传算法的模糊控制器设计概述     9．3．2  遗传模糊控制系统的总体设计方案     9．3．3  基于遗传算法来确定模糊控制规则     9．3．4  应用实例     9．3．5  结论     9．4  总结     参考文献  第10章 计算智能方法的性能评价      10．1  通用事项      10．1．1  选择金标准     10．1．2  训练数据集和测试数据集的划分     10．1．3  显著性差异     10．1．4  交叉验证      10．1．5  适应度     10．2  准确率     10．3  误差评价性能指标     10．3．1  平均平方误差     10．3．2  绝对误差     10．3．3  归一化误差     10．4  接受者操作特征曲线     10．5  召回率和精确率     10．6  总结     参考文献