1 绪论 1
1.1 本书背景及意义 1
1.2 进化计算与思维进化算法 2
1.2.1 进化计算理论 3
1.2.2 思维进化算法（MEA） 6
1.3 粗糙集理论 9
1.3.1 粗糙集基本概念 10
1.3.2 粗糙集研究现状 11
1.4 本书的主要内容及结构安排 17
1.4.1 主要研究内容 17
1.4.2 本书的结构安排 18
参考文献 19
2 进化计算的数列模型及收敛性分析 30
2.1 概述 30
2.2 进化计算 31
2.2.1 进化计算的主要特点 32
2.2.2 进化计算的主要分支 33
2.2.3 进化算法的进化机制 38
2.2.4 进化算法的统一性描述 41
2.3 进化计算的种群适值链及收敛性分析 44
2.3.1 种群适值链 44
2.3.2 基于种群适值链的收敛性分析 46
2.3.3 仿真分析 53
2.4 本章小结 55
参考文献 55
3 基于种群进化熵的思维进化算法 58
3.1 概述 58
3.2 思维进化算法 58
3.2.1 思维进化算法的提出 59
3.2.2 基本概念 61
3.2.3 算法特点 63
3.2.4 算法构架 64
3.2.5 研究现状与前景 68
3.3 基于种群进化熵的思维进化算法（PEMEA） 73
3.3.1 进化熵 73
3.3.2 基于种群进化熵的搜索策略 75
3.3.3 算法收敛性分析 77
3.3.4 数值优化实验 81
3.4 本章小结 92
参考文献 93
4 基于位编码可分辨矩阵的规则提取方法研究 97
4.1 概述 97
4.2 粗糙集理论基本概念 97
4.2.1 知识与知识表达系统［1，6］ 97
4.2.2 粗糙集合基本概念［1，6］ 100
4.2.3 知识的约简 102
4.2.4 决策表与决策规则 106
4.3 基于位编码可分辨矩阵的规则获取的算法 109
4.3.1 可分辨矩阵与决策表属性约简［5］ 109
4.3.2 可分辨矩阵与决策表属性值约简 110
4.3.3 基于位编码可分辨矩阵的决策表约简 113
4.4 本章小结 120
参考文献 121
5 PEMEA与粗糙集理论在图像处理中的应用 122
5.1 概述 122
5.1.1 图像数字化 123
5.1.2 图像变换 123
5.1.3 图像增强 123
5.1.4 图像恢复 123
5.1.5 图像分割 123
5.1.6 图像分析与描述 124
5.1.7 图像数据压缩 124
5.1.8 图像重建 124
5.2 基于思维进化算法的数字图像分割方法研究 125
5.2.1 图像分割概述 125
5.2.2 基于思维进化算法的图像分割方法 130
5.2.3 仿真实验 133
5.3 基于粗糙集理论的形状分析方法 135
5.3.1 形状分析概述 136
5.3.2 基于粗糙集理论的形状分析方法 141
5.3.3 仿真实验 143
5.4 染色体畸变分析系统设计 148
5.4.1 染色体及核型 149
5.4.2 染色体畸变分析系统 149
5.5 本章小结 159
参考文献 160
6 结论与展望 162
6.1 结论 162
6.2 展望 164