软计算方法集成的理论与应用研究PDF电子书下载

1 软计算方法集成中的几个理论问题  1

1.1　软计算简介  1

1.1.1 模糊逻辑或模糊计算  2

1.1.2 神经计算  3

1.1.3 进化计算  4

1.1.4　模拟退火  5

1.1.5 序数优化  6

1.2　方法集成的理论基础  6

1.2.1 问题—方法空间的形式化描述  7

1.2.2 方法集成的哲学基础  9

1.2.3 方法集成的方法学基础  10

1.2.4 方法集成的原则  14

1.3　软计算的方法集成的几种形式  15

本章参考文献  21

2 混合目标系统的多目标集成评价（决策）  27

2.1 引言  27

2.2　混合目标系统多人多目标评价（决策）方法研究  29

2.2.1 定性—定量单目标评价方法研究  30

2.2.2 混合目标体系决策方法  35

2.3　基本情形下的规范化（单目标评价）数学模型  37

2.3.1 效益型目（指）标规范化方法  37

2.3.2　成本型指标规范化方法  40

2.3.3 中间型指标规范化方法  42

本章参考文献  43

本章附录1 变权综合的若干问题研究  45

本章附录2　方案排序对权重的敏感性分析  55

3 （合作型）协同进化计算的几个问题  69

3.1 引言  69

3.2 协同进化遗传算法中的模块化机制研究  70

3.2.1　模块化的生物学基础  70

3.2.2　模块化的计算学习特征  72

3.2.3 任务分解  73

3.2.4 结语  75

3.3 一类基于分治原理的多种群协同进化算法  76

3.3.1 引言  76

3.3.2 “分而治之”（divide and conquer）法则  77

3.3.3 算法介绍  78

3.3.4 仿真算例  81

3.3.5 结论  84

本章参考文献  85

4 模块化神经网络的子网集成  87

4.1 引言  87

4.2　几种形式化描述  89

4.3 模块化子网的启发式动态集成  93

4.4　一类模块化神经网络子网的选择集成  102

4.5　模块化神经网络子网的贝叶斯集成  105

4.5.1 引言  105

4.5.2 基于改进的Bayes学习的子网集结方法  106

4.5.3 基于序贯Bayes学习的子网集结方法  113

本章参考文献  121

本章附录  122

5 NeuralCraft——一个软计算方法集成仿真软件  140

5.1 引言  140

5.2　模块化神经网络工具箱的设计动机  141

5.3　基于“一专多能”思想的模块化神经网络模型  142

5.4 NeuralCraft的设计思想  145

5.5　软件架构  147

5.5.1 NeuralCraft的功能结构  147

5.5.2 NeuralCraft内部组件及其接口 148

5.6　程序演示  151

5.6.1 正弦函数拟合  151

5.6.2　3D墨西哥草帽函数拟合  154

本章参考文献  157

6　总结与展望  158

6.1 全书研究总结  158

6.2　研究展望  160

本章参考文献  161

附录Ⅰ NeuralCraft使用指南  162

附录Ⅱ NeuralCraft部分程序清单  169