第1章 绪论 1
1.1 软计算与硬计算 2
1.1.1 硬计算 2
1.1.2 软计算 2
1.2 软计算的内涵及主要特征 2
1.3 常用的软件计算方法 5
1.3.1 遗传算法 5
1.3.2 免疫算法 6
1.3.3 神经网络算法 7
1.3.4 蚁群算法 8
1.3.5 微粒群算法 9
1.3.6 模拟退火算法 10
1.3.7 模糊集 10
1.3.8 粗糙集 11
1.3.9 贝叶斯网络 12
1.4 软计算方法的军事应用 13
第2章 遗传算法 16
2.1 遗传算法的基本思想 16
2.2 遗传算法的基本概念 17
2.3 遗传算法的优点 18
2.4 遗传算法的操作步骤 19
2.5 遗传算法的实现 20
2.5.1 编码和解码 20
2.5.2 种群规模 22
2.5.3 种群初始化 22
2.5.4 适应度函数 23
2.5.5 选择算子 24
2.5.6 交叉算子 26
2.5.7 变异算子 28
2.5.8 算法终止条件 28
2.6 遗传算法的改进 29
2.6.1 基本遗传算法的缺点 29
2.6.2 常见的遗传改进算法 29
2.7 遗传算法的军事应用 33
2.7.1 遗传算法在军事上的应用 33
2.7.2 遗传算法的应用步骤 34
2.7.3 遗传算法在作战部署中的应用实例 35
2.7.4 遗传算法在火力分配中的应用示例 42
第3章 免疫算法 46
3.1 免疫算法的基本思想 46
3.2 免疫算法的常用术语及参数 47
3.3 免疫算法的仿生机理 48
3.3.1 免疫识别 49
3.3.2 免疫学习 49
3.3.3 免疫记忆 49
3.3.4 克隆选择 50
3.3.5 免疫网络 50
3.3.6 免疫调节 51
3.3.7 免疫反馈 51
3.3.8 免疫代谢 51
3.3.9 免疫耐受 52
3.4 人工免疫算法 52
3.4.1 一般免疫算法 52
3.4.2 克隆选择算法 55
3.4.3 阴性选择算法 57
3.4.4 免疫网络算法 58
3.5 一般免疫算法的实现 60
3.5.1 抗体编码 60
3.5.2 抗体抗原的亲和度计算 60
3.5.3 接种疫苗 61
3.5.4 克隆选择 61
3.5.5 抗体抑制和促进 62
3.6 免疫算法的军事应用 62
3.6.1 免疫算法在军事上的应用 62
3.6.2 一般免疫算法的应用步骤 63
3.6.3 免疫算法在决策优化中的应用示例 64
3.6.4 免疫遗传算法在路经规划中的应用 67
第4章 神经网络算法 73
4.1 神经网络的基本思想 73
4.2 神经网络的基本概念 74
4.2.1 神经元模型 74
4.2.2 神经网络模型 77
4.2.3 神经网络的学习方法 78
4.3 神经网络的具体实现 81
4.3.1 多层前向神经网络 81
4.3.2 Hopfield神经网络 83
4.3.3 自组织神经网络 86
4.4 神经网络的军事应用 91
4.4.1 神经网络在军事上的应用 91
4.4.2 神经网络的具体应用步骤 92
4.4.3 神经网络在作战辅助决策中的应用 92
4.4.4 神经网络在训练成绩评判中的应用 97
第5章 蚁群算法 102
5.1 蚁群算法的基本思想 102
5.2 蚁群算法的基本概念 105
5.2.1 蚁群算法的数学描述 105
5.2.2 蚁群算法的收敛性分析 106
5.3 蚁群算法的操作步骤 110
5.4 蚁群算法的具体实现 111
5.4.1 离散域蚁群寻优算法 111
5.4.2 连续域蚁群寻优算法 113
5.5 蚁群算法的军事应用 118
5.5.1 蚁群算法在军事上的应用 118
5.5.2 在后勤运输路径选择中的应用 119
5.5.3 在武器火力优化分配中的应用 120
5.5.4 与遗传算法在军事领域的融合应用 122
第6章 微粒群算法 131
6.1 微粒群算法的相关概念 132
6.1.1 微粒群算法的起源 132
6.1.2 微粒群算法的基本原理 133
6.1.3 基于微粒群算法的多目标优化 135
6.1.4 微粒群算法的设计步骤 136
6.2 微粒群算法的行为和拓扑分析 139
6.2.1 基于离散时间线理论的分析 139
6.2.2 代数分析 141
6.2.3 拓扑结构分析 145
6.3 微粒群算法的军事应用 146
6.3.1 微粒群算法在军事上的应用 146
6.3.2 微粒群算法的应用步骤 147
6.3.3 车辆路径问题微粒群解法 147
6.3.4 军事车辆路径问题 149
第7章 模拟退火 152
7.1 物理退火过程 152
7.2 模拟退火算法 153
7.2.1 Metropolis准则 153
7.2.2 模拟退火算法模型 154
7.2.3 影响模拟退火算法的主要因素 156
7.2.4 模拟退火算法收敛性证明 156
7.3 模拟退火算法设计 157
7.3.1 初始温度 157
7.3.2 终止温度 158
7.3.3 MarKov链长 158
7.3.4 冷却进度表 159
7.4 军事上的应用 159
7.4.1 雷达网部署优化问题 159
7.4.2 任务调度问题 162
第8章 模糊集 165
8.1 模糊集的基本思想 165
8.2 模糊集的基本概念 166
8.2.1 模糊集和隶属函数 166
8.2.2 模糊集的表示方法 166
8.2.3 隶属函数的确定方法 166
8.3 模糊集的具体应用步骤 168
8.3.1 模糊综合评判模型建立 170
8.3.2 因素重要程度系数确定 172
8.4 模糊集的军事应用 173
8.4.1 模糊集在军事领域的应用 173
8.4.2 模糊集的军事应用步骤 173
8.4.3 在武器装备采办风险评估中的应用示例 174
8.4.4 在装备管理经济效益评价中的应用示例 179
8.4.5 在军事领域与其他算法的融合应用示例 183
第9章 粗糙集理论 190
9.1 粗糙集提出的背景 190
9.2 粗糙集的理论研究 191
9.3 粗糙集的特点 193
9.4 粗糙集所能处理的问题 194
9.5 粗糙集与模糊集的区别 194
9.6 粗糙集的相关概念 195
9.6.1 粗糙集的概念 195
9.6.2 知识约简 199
9.6.3 决策规则 203
9.6.4 可变精度粗糙集模型 205
9.7 粗糙集理论的军事应用 206
9.7.1 粗糙集理论在军事上的应用领域 206
9.7.2 粗糙集理论的应用步骤 207
9.7.3 粗糙集理论在目标识别中的应用示例 208
9.7.4 粗糙集理论在加权指标评估中的应用 210
第10章 贝叶斯网络 212
10.1 贝叶斯网络的提出背景 212
10.2 贝叶斯网络的基本思想 213
10.3 贝叶斯网络的基本概念 213
10.3.1 贝叶斯网络的理论基础 213
10.3.2 贝叶斯网络的基本定义 214
10.4 贝叶斯网络方法的优点 215
10.5 贝叶斯网络的构建 216
10.5.1 贝叶斯网络的构建方法 216
10.5.2 贝叶斯网络学习 217
10.5.3 贝叶斯网络的构建步骤 219
10.6 贝叶斯网络的推理模式 219
10.7 贝叶斯网络的军事应用 222
10.7.1 贝叶斯网络在军事上的应用 222
10.7.2 在空战态势评估中的应用 223
10.7.3 在军事威慑信息传递机制分析中的应用 228
参考文献 242