第一部分 演化计算 3
第1章 演化计算导引 3
1.1 演化计算 3
1.2 演化算法的基本结构 4
1.3 演化算法的设计 5
1.4 演化算法的特点 10
1.5 演化算法的性能评估 11
第2章 遗传算法 15
2.1 遗传算法的基本结构 15
2.2 一个例子 15
2.3 遗传算法的实现技术 27
2.4 遗传算法的理论基础 42
习题 52
第3章 遗传算法在优化中的应用 53
3.1 无约束优化 53
3.2 约束优化 55
3.3 组合优化 62
习题 72
第4章 遗传程序设计 74
4.1 遗传程序设计框架 74
4.2 程序的表示 74
4.3 程序归纳 77
4.4 遗传程序设计的实现技术 78
4.5 应用实例 85
习题 91
第5章 演化策略 92
5.1 演化策略的基本结构 92
5.2 演化策略的实现技术 94
5.3 应用实例 100
习题 101
第6章 演化规划 102
6.1 演化规划的基本结构 102
6.2 演化规划的实现技术 104
6.3 应用实例 107
习题 107
第二部分 群体智能算法第7章 粒子群优化 111
7.1 PSO算法的基本结构 111
7.2 PSO算法的实现 113
7.3 应用实例 116
习题 116
第8章 蚁群优化 118
8.1 ACO算法的原理 118
8.2 ACO算法 119
8.3 应用实例 121
习题 127
第三部分 人工神经网络第9章 人工神经网络的基本概念 131
9.1 人工神经网络的特点 131
9.2 人工神经网络的基本原理 133
9.3 人工神经网络的基本结构模式 140
9.4 人工神经网络互联结构 141
9.5 神经网络模型分类 144
9.6 人工智能与人工神经网络 145
9.7 人工神经网络的应用领域 152
习题 153
第10章 人工神经网络的学习算法 155
10.1 几种基本的学习算法介绍 155
10.2 几种典型神经网络简介 159
习题 174
第四部分 Fuzzy计算 179
第11章 Fuzzy计算的基本理论 179
11.1 Fuzzy集合 179
11.2 隶属函数 182
11.3 Fuzzy集合的特征 186
11.4 Fuzzy集合的运算 188
11.5 Fuzzy关系 191
习题 195
第12章 Fuzzy计算的应用 196
12.1 Fuzzy推理系统 196
12.2 Fuzzy控制器设计 210
12.3 Fuzzy聚类 214
习题 228
参考文献 230