智能计算

第1章 绪论

1.1 最优化问题

1.1.1 函数优化问题

1.1.2 组合优化问题

1.2 计算复杂性及NP理论

1.2.1 计算复杂性

1.2.2 NP理论

1.3 智能优化计算方法：计算智能算法

1.3.1 计算智能的分类与理论

1.3.2 计算智能的研究与发展

1.3.3 计算智能的特征与应用

1.4 本章习题

本章参考文献

第2章 神经网络

2.1 神经网络简介

2.1.1 神经网络的基本原理

2.1.2 神经网络的研究进展

2.2 神经网络的典型结构

2.2.1 单层感知器网络

2.2.2 前馈型网络

2.2.3 前馈内层互联网络

2.2.4 反馈型网络

2.2.5 全互联网络

2.3 神经网络的学习算法

2.3.1 学习方法

2.3.2 学习规则

2.4 BP神经网络

2.4.1 基本思想

2.4.2 算法流程

2.4.3 应用举例

2.5 进化神经网络

2.6 神经网络的应用

2.7 本章习题

本章参考文献

第3章 模糊逻辑

3.1 模糊逻辑简介

3.1.1 模糊逻辑的基本原理

3.1.2 模糊逻辑与模糊系统的发展历程

3.2 模糊集合与模糊逻辑

3.2.1 模糊集合与隶属度函数

3.2.2 模糊集合上的运算

3.2.3 模糊逻辑

3.2.4 模糊关系及其合成运算

3.3 模糊逻辑推理

3.3.1 模糊规则、语言变量和语言算子

3.3.2 模糊推理

3.4 模糊计算的流程

3.4.1 基本思想

3.4.2 算法流程

3.5 模糊逻辑的应用

3.6 本章习题

本章参考文献

第4章 遗传算法

4.1 遗传算法简介

4.1.1 基本原理

4.1.2 研究进展

4.2 遗传算法的流程

4.2.1 流程结构

4.2.2 应用举例

4.3 遗传算法的改进

4.3.1 算子选择

4.3.2 参数设置

4.3.3 混合遗传算法

4.3.4 并行遗传算法

4.4 遗传算法的应用

4.5 本章习题

本章参考文献

第5章 蚁群优化算法

5.1 蚁群优化算法简介

5.1.1 基本原理

5.1.2 研究进展

5.2 蚁群优化算法的基本流程

5.2.1 基本流程

5.2.2 应用举例

5.3 蚁群优化算法的改进版本

5.3.1 精华蚂蚁系统

5.3.2 基于排列的蚂蚁系统

5.3.3 最大最小蚂蚁系统

5.3.4 蚁群系统

5.3.5 蚁群算法的其他改进版本

5.4 蚁群优化算法的相关应用

5.5 蚁群优化算法的参数设置

5.6 本章习题

本章参考文献

第6章 粒子群优化算法

6.1 粒子群优化算法简介

6.1.1 思想来源

6.1.2 基本原理

6.2 粒子群优化算法的基本流程

6.2.1 基本流程

6.2.2 应用举例

6.3 粒子群优化算法的改进研究

6.3.1 理论研究改进

6.3.2 拓扑结构改进

6.3.3 混合算法改进

6.3.4 离散版本改进

6.4 粒子群优化算法的相关应用

6.4.1 优化与设计应用

6.4.2 调度与规划应用

6.4.3 其他方面的应用

6.5 粒子群优化算法的参数设置

6.6 本章习题

本章参考文献

第7章 免疫算法

7.1 免疫算法简介

7.1.1 思想来源

7.1.2 免疫系统的生物学原理简介

7.1.3 二进制模型

7.2 免疫算法的基本流程

7.2.1 基本流程

7.2.2 更一般化的基本免疫算法

7.3 常用免疫算法

7.3.1 负选择算法

7.3.2 克隆选择算法

7.3.3 免疫算法和进化计算

7.4 免疫算法的相关应用

7.4.1 识别和分类应用

7.4.2 优化应用

7.4.3 其他方面的应用

7.5 本章习题

本章参考文献

第8章 分布估计算法

8.1 分布估计算法简介

8.1.1 分布估计算法产生的背景

8.1.2 分布估计算法的发展历史

8.2 分布估计算法的基本流程

8.2.1 基本的分布估计算法

8.2.2 一个简单分布估计算法的例子

8.3 分布估计算法的改进及理论研究

8.3.1 概率模型的改进

8.3.2 混合分布估计算法

8.3.3 并行分布估计算法

8.3.4 分布估计算法的理论研究

8.4 分布估计算法的应用

8.5 本章习题

本章参考文献

第9章 Memetic算法

9.1 Memetic：算法的基本思想

9.2 Memetic算法的基本框架

9.3 静态Memetic算法

9.3.1 局部搜索的位置

9.3.2 I.amarckian模式和Baldwinian模式

9.4 动态Memetic算法

9.4.1 动态MA的简介与分类

9.4.2 Meta-Lamarckian习型MA

9.4.3 超启发式MA

9.4.4 协同进化MA

9.5 Memetic：算法的理论与应用研究展望

9.6 本章习题

本章参考文献

第10章 模拟退火与禁忌搜索

10.1 模拟退火算法

10.1.1 算法思想

10.1.2 基本流程

10.1.3 应用举例

10.2 禁忌搜索算法

10.2.1 算法思想

10.2.2 基本流程

10.2.3 应用举例

10.3 本章习题

本章参考文献

附录A索引

本书对计算智能领域的主要算法进行介绍，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用，内容包括绪论以及神经网络、模糊逻辑、遗传算法、蚁群优化算法、粒子群优化算法、免疫算法、分布估计算法、Memetic算法、模拟退火算法和禁忌搜索算法等计算智能领域的典型算法。本书通俗易懂，图文并茂，深入浅出，没有其他算法书中大量公式、定理、证明等难懂的内容，而是通过大量的图表示例对各个算法进行说明和介绍。本书不但提供了算法实现的流程图和伪代码，而且通过具体的应用举例对算法的使用方法和使用过程进行说明，同时提供了大量经典而重要的参考资料，为读者进一步深入学习和理解算法提供方便。本书适合作为相关专业本科生和研究生的选修课教材，特别适合作为入门教材以满足算法初学者了解和学习计算智能算法的入门需求，同时还能够作为广大算法研究者和工程技术人员进一步学习的参考书和工具书。

《计算智能》特色　
《计算智能》介绍了计算智能领域的主要算法，其主要特色包括：　
◆对算法的初学者而言，《计算智能》通俗易懂。《计算智能》重点是对各种算法的思想来源、流程结构、发展改进\参数设置和相关应用等方面进行介绍，让读者有一个整体的认识和了解。　
◆对算法的研究者而言，《计算智能》实用性强。《计算智能》不但追踪和点评了各种算法的发展历程和研究现状，而且提供了大量经典而重要的参考资料，为读者进一步深入学习和理解算法提供方便。　
◆《计算智能》图文并茂，深入浅出。《计算智能》避免其他算法书中大量公式、定理、证明等难懂的内容，而是通过大量的图表示例对每个算法进行说明和介绍，让读者不但能够快速理解算法内容，而且能够加深对算法的印象。　
◆《计算智能》对相关的计算智能算法都提供了具体的实现流程图和伪代码，方便读者的理解和具体实现可作为工程技术人员实现算法的参考工具书。　
◆《计算智能》在介绍各种算法的时候都通过一些典型的应用例子对算法的具体使用方法和使用过程进行说明，加深读者对算法的认识和理解。