1 绪论 1
1.1 软计算的提出背景与动因 1
1.2 软计算的内容和方法 2
1.3 软计算的混合算法综述 5
1.4 面向优化、决策与控制的软计算若干应用进展 9
1.5 本书主要研究内容 12
1.6 参考文献 13
本章附录：科技创新中的方法集成及其范例—软计算方法集成 18
2 进化计算若干应用研究 30
2.1 引言 30
2.2 进化计算概述 31
2.3 进化计算中的适应度函数 33
2.4 共轭梯度—自适应遗传算法研究 38
2.5 嵌入演化策略的双种群遗传算法 42
2.6 分而治之多种群遗传算法 46
2.7 应用分析—微机电的遗传鲁棒优化设计 52
2.8 参考文献 56
本章附录：进化计算的两个补充论题 58
3 局部回归Elman网络算法研究及辨识应用 68
3.1 引言 68
3.2 Elman网络学习算法的注记 68
3.3 动态反传算法的收敛性（1） 71
3.4 动态反传算法的收敛性（2） 75
3.5 基于动态反传—共轭梯度算法的系统辨识 79
3.6 参考文献 81
4 建模中的若干模块化神经网络方法 82
4.1 引言 82
4.2 模块化神经网络若干子网集成研究 83
4.3 模块化神经网络的Bayes子网集结新算法 88
4.4 参考文献 98
本章附录：变权综合与模块化神经网络 99
5 深度神经网络方法及应用 107
5.1 引言 107
5.2 卷积神经网络 108
5.3 深度信念网络 110
5.4 堆栈自编码神经网络 112
5.5 深度学习融合到软计算的研究介绍 116
5.6 参考文献 124
6 遗传—自适应模糊控制 128
6.1 引言 128
6.2 自适应控制算法 129
6.3 面向复杂系统的控制算法仿真研究 133
6.4 几点讨论 138
6.5 本章小结 139
6.6 参考文献 139
7 倒立摆系统的控制概述 141
7.1 引言 141
7.2 二级与三级倒立摆的数学模型 142
7.3 几种倒立摆的典型智能控制策略 144
7.4 参考文献 147
8 多级倒立摆系统的进化控制 149
8.1 进化线性控制 149
8.2 多级倒立摆的进化控制算法的改进 151
8.3 本章总结及进一步研究目标 156
8.4 参考文献 157
9 受生物启发的计算范例——免疫计算 158
9.1 引言 158
9.2 免疫系统与人工免疫系统 158
9.3 免疫计算的主要模型 161
9.4 测试实验 167
9.5 参考文献 172
10 基于软计算的复杂产品系统设计决策 175
10.1 引言 175
10.2 复杂产品系统相关理论概述 175
10.3 面向复杂产品系统设计中的模块化及不确定性的决策方法 183
10.4 面向复杂产品系统设计的协同决策支持系统 196
10.5 参考文献 201
附录1 基于偏好的微机电系统进化设计与评价方法研究 204
附录2 部分标准测试问题 215