第一章 智能模拟的科学 1
1.1 信息社会与思维科学 1
1.1.1 思维与思维科学 1
1.1.2 思维的类型 2
1.2 思维的基础和认知的发展 7
1.2.1 思维与智能 7
1.2.2 思维的神经基础 7
1.2.3 认知发展 8
1.3 智能模拟 14
1.3.1 智能模拟的科学基础 14
1.3.2 智能模拟的哲学基础 14
1.3.3 智能模拟的基本途径 15
第二章 智能设计方法和技术综述 17
2.1 智能设计的发展概述 17
2.1.1 CAD的发展 17
2.1.2 智能设计的两个阶段 17
2.2 智能设计的概念和特征 18
2.2.1 智能设计的特点 19
2.2.2 智能设计技术的研究重点 19
2.2.3 智能化方法的分类和智能设计的层次 20
2.3 智能设计的基本方法 22
2.3.1 智能设计的分类 22
2.3.2 智能设计系统与技术 23
2.3.3 智能设计体系和知识表达 25
第三章 进化设计技术与方法 37
3.1 进化设计技术基础 37
3.1.1 遗传算法的概貌 37
3.1.2 基本遗传算法 38
3.1.3 模式定理 43
3.1.4 遗传算法的有关操作规则和方法 44
3.1.5 多个体参与交叉的遗传算法 49
3.1.6 多目标进化算法简介 55
3.2 基于进化的健壮性设计方法 68
3.2.1 健壮性开发方法的基本思路 68
3.2.2 基于进化的健壮性设计方法的总体框架 71
3.2.3 基于进化的健壮性设计方法的说明 74
3.3 结构智能优化设计——进化设计 75
3.3.1 结构智能设计的概念 76
3.3.2 结构进化智能优化设计 77
3.3.3 基于进化的桁架结构相位设计 77
3.3.4 基于进化的结构非线性强制振动解法 79
3.3.5 基于进化的圆抛物面天线健壮结构设计 84
3.4 基于遗传算法的配送路径优化设计 103
3.4.1 路径优化问题与模型 104
3.4.2 遗传算法的构造 105
3.4.3 仿真与结果分析 107
3.5 高速贴片机PCB板贴片装配工艺的遗传优化 108
3.5.1 贴装工艺流程及其简化 109
3.5.2 贴装工艺的集成优化数学模型 111
3.5.3 用遗传算法求解贴片装配工艺优化问题 112
第四章 自组织设计技术与方法 116
4.1 自组织技术基础 116
4.1.1 “生命的游戏” 116
4.1.2 元胞自动机的基础 118
4.1.3 元胞自动机的自组织建模方法 123
4.1.4 元胞自动机的应用领域 126
4.2 城市交通信号自组织控制模型 127
4.2.1 CA与城市交通信号控制问题 129
4.2.2 基于CA的城市交通信号控制模型 130
4.2.3 城市交通信号自组织控制的实时过程与规则 131
4.2.4 仿真结果与比较 132
4.3 结构拓扑的自组织进化 133
4.3.1 结构拓扑优化中的ECA直接规则 134
4.3.2 ECA规则的进化表达 136
4.3.3 结构拓扑形态优化的算例 138
4.4 电子连接器微动磨损的自组织模型及其仿真 139
4.4.1 影响因素分析 139
4.4.2 模型建立 141
4.4.3 仿真及结果分析 143
第五章 自学习设计技术与方法 149
5.1 自学习技术基础 149
5.1.1 神经网络的概述 149
5.1.2 神经网络的主要特点 150
5.1.3 细胞元模型 152
5.1.4 神经网络模型 155
5.1.5 神经网络的学习 158
5.1.6 多层前向神经网络（BP网络） 163
5.1.7 典型反馈网络——Hopfield网络 172
5.1.8 基于概率学习的Boltzmann机模型 176
5.2 非线性振动的自学习建模 181
5.2.1 神经网络和系统识别 181
5.2.2 非线性振动脉冲响应的学习和系统预测 184
5.2.3 Duffing振动的学习和预测 186
5.2.4 预测精度和泛用性的考察 191
5.3 基于学习的机械系统特性预测 191
5.3.1 机械系统特性预测的问题 191
5.3.2 机械系统特性预测的基本模型 192
5.3.3 雷达结构系统固频的预测例 193
5.4 神经网络专家系统的智能设计体系结构 195
5.4.1 建立人工神经网络专家系统的必要性 195
5.4.2 面向设计的智能平台 196
5.5 基于神经网络的CAD/CAM一体化 198
5.5.1 系统的结构 198
5.5.2 产品零件数据结构 199
5.5.3 智能CAPP系统 199
参考文献 203