绪论 1
0.1 什么是计算智能 1
0.2 计算智能与智能计算 3
0.3 人工神经网络 3
0.4 模糊系统 5
0.5 进化计算 5
0.6 人工神经网络、模糊系统和进化计算的相互融合 7
第一章 前传网络 8
1.1 线性感知器 8
1.2 BP网络 14
1.3 BP网络的应用 20
习题1 22
第二章 Hopfield联想记忆神经网络 25
2.1 简单线性联想网络（LAM） 25
2.2 Hopfield联想记忆模型 26
2.3 利用外积和的双极性Hopfield网络 27
2.4 Hopfield网络的存储容量 29
2.5 Hopfield网络的收敛性 31
2.6 二次优化问题的Hopfield网络解法 35
2.7 双向联想记忆（BAM）网络 37
习题2 41
第三章 径向基函数网络 42
3.1 径向基函数 42
3.2 径向基函数参数的选取 44
3.3 Gauss条函数 47
习题3 49
第四章 自组织竞争网络 51
4.1 SOFM网络 51
4.2 SOFM网络的应用 55
4.3 ART神经网络 57
习题4 61
第五章 模糊集合与模糊逻辑 63
5.1 模糊集合与隶属度函数 63
5.2 模糊逻辑与模糊推理 72
习题5 77
第六章 模糊神经网络 79
6.1 神经网络与模糊系统的结合 79
6.2 模糊神经元 81
6.3 模糊前馈网络 84
6.4 模糊联想记忆网络 87
6.5 模糊加权推理网络 90
习题6 95
第七章 模糊聚类 96
7.1 引言 96
7.2 模糊C-均值聚类法 99
7.3 传递闭包法 101
7.4 最大树法 103
习题7 105
第八章 模糊控制理论与应用 106
8.1 模糊控制原理 106
8.2 蒸汽发动机模糊控制系统 108
8.3 还原炉温度的模糊控制系统 114
习题8 117
第九章 遗传算法基础 119
9.1 遗传算法概述 119
9.2 遗传算法的实现技术 122
9.3 模式定理与积木块假设 133
9.4 遗传算法收敛性分析 140
习题9 146
第十章 遗传算法的改进与应用 148
10.1 遗传算法的改进 148
10.2 用于求解函数优化的遗传算法 157
10.3 遗传算法求解旅行商问题 160
习题10 164
第十一章 其它进化算法与群智能优化算法 165
11.1 遗传规划 165
11.2 进化策略 173
11.3 进化规划 174
11.4 遗传算法与进化策略和进化规划的比较 175
11.5 蚁群优化算法 176
11.6 粒子群优化算法 178
习题11 178
参考文献 180