第1章 绪论 1
1.1 计算智能 1
1.1.1 人工智能的概念 1
1.1.2 计算智能的概念 2
1.1.3 计算智能研究领域 3
1.2 计算电磁学 4
1.3 计算智能的电磁应用 5
参考文献 7
第2章 遗传算法基本原理 9
2.1 遗传算法概述 9
2.1.1 遗传算法简史 10
2.1.2 遗传算法特点 11
2.1.3 遗传算法研究课题 13
2.2 遗传算法的数学基础 14
2.2.1 模式的概念 14
2.2.2 模式定理 16
2.2.3 隐并行性 19
2.2.4 积木块假说 20
2.3 基本遗传算法 21
2.3.1 编码技术 22
2.3.2 群体设定 23
2.3.3 适应度函数 24
2.3.4 遗传操作 28
2.3.5 遗传算法的收敛性 33
2.3.6 几种流行遗传算法策略 34
2.4 微量遗传算法 34
2.5 免疫遗传算法 36
参考文献 38
第3章 遗传算法电磁应用 40
3.1 遗传算法电磁应用概述 40
3.2 吸波材料优化设计应用 42
3.2.1 电磁吸波材料简介 42
3.2.2 吸波材料设计中的分层优化 43
3.2.3 吸波材料设计中的分块优化 48
3.2.4 分层设计和分块设计相结合 52
3.3 天线阵列优化设计应用 53
3.3.1 天线阵列综合的发展现状 53
3.3.2 天线阵列综合用遗传算法 54
3.3.3 模拟退火算法 59
3.3.4 遗传模拟退火算法的实现 61
3.3.5 直线天线阵列的综合 62
3.3.6 平面天线阵列的综合 71
3.4 电磁复超越方程求解应用 75
3.4.1 算法描述 76
3.4.2 算法实例 78
3.4.3 算法特点 83
参考文献 83
第4章 模糊理论基本原理 88
4.1 模糊理论概述 88
4.1.1 模糊理论简史 88
4.1.2 模糊理论特点 91
4.1.3 模糊理论研究课题 92
4.2 模糊理论基础知识 93
4.2.1 模糊概念与模糊集合 93
4.2.2 常用的隶属函数 95
4.2.3 模糊集合的运算 96
4.3 模糊关系和模糊推理 97
4.3.1 模糊关系 97
4.3.2 模糊关系的运算 98
4.3.3 模糊蕴含和模糊推理 99
4.4 模糊逻辑系统 104
4.4.1 模糊系统 104
4.4.2 模糊逻辑系统框架 104
4.4.3 Takagi-Sugeno模糊逻辑系统 106
4.4.4 模糊逻辑系统的逼近问题 107
4.5 模糊理论电磁应用概述 108
参考文献 110
第5章 神经网络基本原理 112
5.1 神经网络概述 112
5.1.1 神经网络简史 114
5.1.2 神经网络特点 115
5.1.3 神经网络研究课题 118
5.2 神经网络基础知识 120
5.2.1 神经网络模型 120
5.2.2 神经网络的训练和学习 125
5.2.3 神经网络训练用样本 129
5.3 BP神经网络 134
5.3.1 BP神经网络结构 134
5.3.2 BP学习算法 136
5.3.3 BP神经网络应用要点 139
5.3.4 BP算法的不足及改进 142
5.4 RBF神经网络 146
5.4.1 RBF神经网络结构和工作原理 146
5.4.2 RBF神经网络常用的学习算法 149
5.4.3 RBF神经网络的特点及注意事项 153
5.4.4 RBF神经网络与BP神经网络的比较 154
5.5 遗传神经网络 154
5.5.1 遗传算法和神经网络的融合 155
5.5.2 遗传神经网络的实现 160
5.6 模糊神经网络 163
5.6.1 模糊系统与神经网络比较 163
5.6.2 模糊神经网络实现 166
参考文献 174
第6章 神经网络电磁应用 178
6.1 神经网络电磁应用概述 178
6.2 波导匹配负载设计 179
6.2.1 H面T型波导匹配负载设计 180
6.2.2 E面T型波导匹配负载设计 182
6.2.3 波导终端短小匹配负载设计 184
6.3 微带天线设计 190
6.3.1 微带天线概述 190
6.3.2 微带天线设计 191
6.4 谐振频率计算 199
6.4.1 微带天线谐振频率 200
6.4.2 谐振频率计算用神经网络 202
6.4.3 自适应网络基模糊推理系统 202
6.4.4 混合法用于计算谐振频率 204
6.5 智能天线的波束形成 213
6.5.1 智能天线的基本原理 213
6.5.2 基于RBF神经网络的自适应波束形成 216
参考文献 219
附录1 计算智能和计算电磁学相关网站 225
附录2 相关程序 226
附录2.1 遗传算法MATLAB程序 226
附录2.2 BP神经网络MATLAB程序 230
附录2.3 RBF神经网络MATLAB程序 232