1 软计算方法集成中的几个理论问题 1
1.1 软计算简介 1
1.1.1 模糊逻辑或模糊计算 2
1.1.2 神经计算 3
1.1.3 进化计算 4
1.1.4 模拟退火 5
1.1.5 序数优化 6
1.2 方法集成的理论基础 6
1.2.1 问题—方法空间的形式化描述 7
1.2.2 方法集成的哲学基础 9
1.2.3 方法集成的方法学基础 10
1.2.4 方法集成的原则 14
1.3 软计算的方法集成的几种形式 15
本章参考文献 21
2 混合目标系统的多目标集成评价（决策） 27
2.1 引言 27
2.2 混合目标系统多人多目标评价（决策）方法研究 29
2.2.1 定性—定量单目标评价方法研究 30
2.2.2 混合目标体系决策方法 35
2.3 基本情形下的规范化（单目标评价）数学模型 37
2.3.1 效益型目（指）标规范化方法 37
2.3.2 成本型指标规范化方法 40
2.3.3 中间型指标规范化方法 42
本章参考文献 43
本章附录1 变权综合的若干问题研究 45
本章附录2 方案排序对权重的敏感性分析 55
3 （合作型）协同进化计算的几个问题 69
3.1 引言 69
3.2 协同进化遗传算法中的模块化机制研究 70
3.2.1 模块化的生物学基础 70
3.2.2 模块化的计算学习特征 72
3.2.3 任务分解 73
3.2.4 结语 75
3.3 一类基于分治原理的多种群协同进化算法 76
3.3.1 引言 76
3.3.2 “分而治之”（divide and conquer）法则 77
3.3.3 算法介绍 78
3.3.4 仿真算例 81
3.3.5 结论 84
本章参考文献 85
4 模块化神经网络的子网集成 87
4.1 引言 87
4.2 几种形式化描述 89
4.3 模块化子网的启发式动态集成 93
4.4 一类模块化神经网络子网的选择集成 102
4.5 模块化神经网络子网的贝叶斯集成 105
4.5.1 引言 105
4.5.2 基于改进的Bayes学习的子网集结方法 106
4.5.3 基于序贯Bayes学习的子网集结方法 113
本章参考文献 121
本章附录 122
5 NeuralCraft——一个软计算方法集成仿真软件 140
5.1 引言 140
5.2 模块化神经网络工具箱的设计动机 141
5.3 基于“一专多能”思想的模块化神经网络模型 142
5.4 NeuralCraft的设计思想 145
5.5 软件架构 147
5.5.1 NeuralCraft的功能结构 147
5.5.2 NeuralCraft内部组件及其接口 148
5.6 程序演示 151
5.6.1 正弦函数拟合 151
5.6.2 3D墨西哥草帽函数拟合 154
本章参考文献 157
6 总结与展望 158
6.1 全书研究总结 158
6.2 研究展望 160
本章参考文献 161
附录Ⅰ NeuralCraft使用指南 162
附录Ⅱ NeuralCraft部分程序清单 169