收藏
样书申请
| * 申请人： | |
| * 详细地址： | |
| * 数量： | |
| * 手机号码： | |
| 邮箱： | |
| 1.请在地址处注明您所在单位和职务.2.申请提交后,工作人员稍后和您联系. |
POD订购
| * 订购人： | |
| * 详细地址： | |
| * 数量： | |
| * 手机号码： | |
| 邮箱： | |
- 内容简介
- 目录
- 读者反馈
- 图书推荐
智能计算方法目前已在逻辑推理、分类决策、全局优化等众多领域得到了广泛应用。本着讲清概念与原理、触及前沿发展、注重学以致用的原则，本书分模糊计算、神经计算、进化计算和群智能计算4个单元，系统地介绍了目前常用智能计算方法的概念、原理、模型及其典型应用实例。本书可作为控制科学与工程、计算机科学、信息科学等专业的研究生及高年级本科生的教材，以及从事智能计算、智能决策等相关研究的高校教师、科研人员和工程技术人
员的参考用书。
目录
前言0
第0章 绪论1
0.1 智能计算方法1
0.2 智能计算方法产生与发展1
0.2.1 模糊计算的产生与发展2
0.2.2 神经计算的产生与发展3
0.2.3 进化计算的产生与发展4
0.2.4 群智能计算的产生与发展5
0.3 智能计算方法分类6
习题07
第1篇 模糊计算9
第1章 模糊计算数学基础12
1.1 模糊集合12
1.1.1 模糊集合定义12
1.1.2 模糊集合的表示方式13
1.1.3 隶属函数13
1.1.4 模糊集合的基本运算16
1.1.5 模糊集合与经典集合的联系17
1.2 模糊关系19
1.2.1 模糊关系19
1.2.2 模糊关系的合成21
1.2.3 模糊变换23
1.3 模糊逻辑23
1.3.1 模糊逻辑运算23
1.3.2 模糊逻辑算子24
习题125
第2章 模糊推理与模糊系统26
2.1 模糊语言26
2.1.1 模糊语言26
2.1.2 模糊语言算子27
2.2 模糊规则27
2.3 模糊推理28
2.3.1 Mamdani模糊推理法28
2.3.2 Larsen模糊推理法33
2.3.3 Zadeh模糊推理法36
2.3.4 Takagi-Sugeno模糊推理法36
2.4 模糊系统37
2.4.1 模糊系统的组成结构38
2.4.2 模糊系统的组成单元38
2.5 模糊控制系统39
2.5.1 模糊控制的基本原理40
2.5.2 模糊控制器设计41
2.5.3 模糊控制器设计实例43
习题250
第3章 模糊聚类分析51
3.1 模糊聚类分析的一般步骤51
3.2 最佳分类阈值λ的确定59
3.3 模糊聚类分析方法的应用实例60
习题367
第4章 模糊计算的发展与展望68
第2篇 神经计算71
第5章 人工神经网络基础73
5.1 人工神经网络生物学基础73
5.2 人工神经元基本结构与数学模型74
5.2.1 人工神经元基本结构74
5.2.2 人工神经元数学模型75
5.3 人工神经网络基本结构、学习方式与基本特性76
5.3.1 人工神经网络基本结构76
5.3.2 人工神经网络基本学习方式78
5.3.3 人工神经网络基本特性81
5.4 人工神经网络设计82
习题584
第6章 BP神经网络85
6.1 BP神经网络基本概念85
6.2 BP神经网络基本模型与学习算法85
6.2.1 BP神经网络基本模型85
6.2.2 BP神经网络学习算法86
6.2.3 BP神经网络特点89
6.3 BP神经网络的MATLAB实现90
6.4 应用实例——利用BP神经网络进行预测94
6.4.1 MATLAB程序实现95
6.4.2 nntool神经网络工具箱的使用96
6.5 应用实例——利用BP神经网络进行鸢尾花分类99
6.5.1 iris数据集简介99
6.5.2 基于BP神经网络的鸢尾花分类100
6.6 BP神经网络算法的改进104
6.6.1 附加动量法104
6.6.2 自适应学习速率105
6.6.3 动量-自适应学习速率调整算法105
6.6.4 其他需要探索解决的问题105
习题6106
第7章 径向基函数神经网络107
7.1 RBF神经网络的基本概念107
7.2 径向基函数神经网络模型107
7.3 BPF神经网络设计110
7.3.1 隐层单元个数的确定110
7.3.2 基函数中心cp的确定111
7.3.3 基函数宽度（扩展常数）的确定112
7.3.4 权系数w的确定112
7.4 RBF神经网络MATLAB实现112
7.5 应用实例——利用RBF神经网络解决分类问题116
7.6 应用实例——利用RBF神经网络的目标威胁评估119
7.6.1 基于RBF神经网络的函数拟合120
7.6.2 目标威胁评估121
7.7 RBF神经网络的改进125
7.7.1 RBF神经网络的不足125
7.7.2 RBF神经网络改进算法125
习题7127
第8章 卷积神经网络128
8.1 卷积神经网络模型128
8.2 卷积神经网络主要特征129
8.2.1 局部感知130
8.2.2 参数共享130
8.2.3 多卷积核131
8.2.4 池化132
8.3 卷积神经网络的数学描述133
8.3.1 卷积运算133
8.3.2 激活运算134
8.3.3 池化运算136
8.3.4 全连接计算137
8.3.5 Softmax回归137
8.3.6 反向传播算法140
8.4 应用实例——手写数字识别141
8.4.1 问题描述141
8.4.2 基于LeNet-5网络结构的数字识别方法141
8.4.3 MATLAB程序实现142
8.5 应用实例——基于GoogleNet的图片分类146
8.5.1 基于GoogleNet进行图片分类146
8.5.2 基于GoogleNet迁移学习的图片分类149
8.6 几种改进的卷积神经网络154
习题8155
第9章 神经计算的发展与展望156
第3篇 进化计算159
第10章 遗传算法161
10.1 遗传算法的生物学基础161
10.2 遗传算法的基本理论162
10.2.1 遗传算法的基本原理162
10.2.2 全局优化问题162
10.2.3 遗传算法的实现流程162
10.2.4 遗传算法基本要素163
10.3 遗传算法的MATLAB实现170
10.4 应用实例——利用遗传算法求解规划问题176
10.5 应用实例——利用遗传算法求解物流配送路径优化问题177
10.5.1 物流配送路径优化问题177
10.5.2 基于GA进行求解179
10.6 遗传算法特点及其改进算法186
习题10190
第11章 人工免疫算法191
11.1 人工免疫算法的生物学机理191
11.1.1 生物免疫系统的基本概念191
11.1.2 生物免疫系统的组成与功能192
11.2 人工免疫算法的基本概念193
11.3 人工免疫算法的基本原理195
11.3.1 人工免疫算法的算子195
11.3.2 Markov链描述198
11.4 人工免疫算法的实现步骤与计算流程199
11.4.1 基本免疫算法的实现步骤与计算流程199
11.4.2 疫苗免疫算法的实现步骤与计算流程200
11.4.3 克隆免疫算法的实现步骤与计算流程201
11.5 人工免疫算法的MATLAB实现202
11.6 应用实例——群决策问题的权重确定205
11.7 应用实例——电梯交通动态分区优化210
11.7.1 电梯的动态分区模型210
11.7.2 基于人工免疫算法的电梯动态分区模型求解212
11.8 人工免疫算法的特点与发展方向217
11.8.1 人工免疫算法的特点217
11.8.2 人工免疫算法的发展方向218
习题11219
第12章 差分进化算法220
12.1 差分进化算法的基本概念220
12.2 差分进化算法的基本理论220
12.2.1 差分进化算法基本原理220
12.2.2 基本差分进化算法的流程图221
12.2.3 差分进化算子222
12.2.4 差分进化算法控制参数224
12.3 差分进化算法的MATLAB实现224
12.4 应用实例——电力系统负荷分配227
12.4.1 目标函数227
12.4.2 约束条件228
12.4.3 利用差分进化算法进行求解228
12.5 应用实例——求解车间调度问题（JSP）234
12.5.1 车间调度问题234
12.5.2 基于DE的车间调度问题求解235
12.6 差分进化算法的改进240
12.6.1 对变异操作算子的改进240
12.6.2 对交叉操作算子的改进240
习题12241
第13章 进化计算的发展与展望242
第4篇 群智能计算245
第14章 粒子群优化算法247
14.1 粒子群优化算法的基本概念247
14.2 粒子群优化算法的基本原理248
14.3 MATLAB程序实现249
14.4 应用实例——无线传感器网络节点定位252
14.5 应用实例——求解PID控制器设计问题257
14.6 粒子群优化算法的改进262
14.6.1 参数改进262
14.6.2 结构改进-双群协同粒子群优化算法263
第15章 蚁群优化算法266
15.1 蚁群优化算法的基本概念266
15.2 蚁群优化算法的基本原理267
15.3 应用实例——求解TSP问题269
15.3.1 TSP问题概述269
15.3.2 求解TSP问题的蚁群优化算法流程270
15.3.3 MATLAB程序271
15.4 应用实例——连续无约束优化274
15.5 蚁群优化算法的改进278
15.5.1 基于2-opt局部搜索策略改进蚁群优化算法278
15.5.2 混沌扰动的模拟退火算法279
习题15280
第16章 人工蜂群算法281
16.1 人工蜂群算法的基本概念281
16.2 人工蜂群算法的基本原理282
16.3 应用实例——求解武器目标分配问题285
16.3.1 武器目标分配模型285
16.3.2 利用人工蜂群算法求解步骤285
16.3.3 求解问题286
16.3.4 求解结果及程序286
16.4 应用实例——求解K-means聚类问题291
16.4.1 K-means聚类问题描述292
16.4.2 聚类问题的数学模型292
16.4.3 K-means算法描述293
16.4.4 聚类实例293
16.4.5 MATLAB程序294
16.5 人工蜂群算法的改进299
16.5.1 几种改进策略299
16.5.2 几种改进的人工蜂群算法301
习题16304
第17章 群智能计算的发展与展望305
附录 测试函数308
参考文献310
