第1章 绪论 1
1.1计算智能的概念 1
1.2计算智能技术的产生和发展过程 2
1.3计算智能技术的主要应用领域 6
1.4本书的结构和内容安排 8
参考文献 10
第2章 进化计算的概念和范例 13
2.1概述 13
2.2模拟进化计算方法的生物学基础 14
2.2.1遗传变异理论 14
2.2.2生物进化论 16
2.3模拟进化计算方法的发展历史 18
2.3.1萌芽期 18
2.3.2成长期 18
2.3.3发展期 19
2.4模拟进化计算方法的一般框架结构 20
2.5模拟进化计算方法的典型应用领域 24
2.6总结 26
参考文献 27
第3章 遗传算法 29
3.1遗传算法概述 29
3.1.1遗传算法的发展历史 30
3.1.2遗传算法的特点 31
3.2遗传算法的理论基础 32
3.2.1模式的概念 33
3.2.2模式定理 34
3.2.3积木块假说 37
3.2.4隐含并行性 37
3.3基本遗传算法及其改进算法 39
3.3.1基本概念 39
3.3.2遗传操作 40
3.3.3基本遗传算法 41
3.3.4改进的遗传算法 43
3.4遗传算法的具体应用 50
3.4.1遗传算法在组合优化中的应用 51
3.4.2遗传算法在数据挖掘中的应用 54
3.5总结 57
参考文献 58
第4章 进化规划 60
4.1概述 60
4.2进化规划算法的工作过程 61
4.2.1实施步骤 62
4.2.2算法实施中的具体操作 63
4.3进化规划算法的特点和优势 66
4.3.1进化规划算法的典型特点 66
4.3.2遗传算法和进化规划算法的比较 66
4.4进化规划算法的具体应用 68
4.4.1基于有限状态机的预测 69
4.4.2基于进化规划算法的多模态函数优化 75
4.5总结 79
参考文献 80
第5章 其他模拟进化计算技术 82
5.1进化策略 83
5.1.1进化策略的表示形式 84
5.1.2进化策略的实施步骤 86
5.1.3进化策略与进化规划的异同 86
5.1.4进化策略实施中的关键问题 87
5.2遗传编程 90
5.2.1概述 91
5.2.2遗传编程的实施步骤 91
5.2.3遗传编程算法的特点 95
5.3粒子群优化算法 95
5.3.1概述 95
5.3.2粒子群优化算法的基本原理 98
5.3.3粒子群优化算法的步骤 99
5.3.4粒子群优化算法的特点 101
5.4总结 101
参考文献 104
第6章 人工免疫系统及算法 106
6.1生物免疫系统简介 107
6.1.1生物免疫系统的组成 108
6.1.2生物免疫系统的主要功能 108
6.2免疫系统可被借鉴的相关理论 109
6.2.1生物免疫系统的主要原理和机制 109
6.2.2生物免疫系统的信息处理特性 111
6.3人工免疫系统的模型及算法 112
6.3.1人工免疫网络 113
6.3.2负选择算法 114
6.3.3克隆选择算法 114
6.3.4总结 115
6.4人工免疫系统的应用 116
6.4.1聚类分析 118
6.4.2其他应用领域 130
6.5人工免疫系统的发展展望 131
参考文献 133
第7章 人工神经网络 136
7.1神经网络概述 137
7.1.1生物神经元和生物神经网络 138
7.1.2人工神经网络的发展过程 140
7.1.3人工神经网络的学习方法 142
7.2感知器和前向神经网络 145
7.2.1感知器 146
7.2.2 BP神经网络 150
7.2.3总结 156
7.3径向基函数网络 157
7.3.1 RBF神经网络模型 158
7.3.2 RBF神经网络的数学基础 159
7.3.3 RBF神经网络的应用 164
7.4反馈型神经网络 167
7.4.1离散型Hopfield神经网络 167
7.4.2连续型Hopfield神经网络 172
7.5小脑模型神经网络 176
7.5.1 CMAC神经网络模型及工作原理 176
7.5.2 CMAC神经网络的学习算法 178
7.6自组织神经网络 180
7.6.1自适应共振理论神经网络 180
7.6.2自组织特征映射网络 185
7.7总结 189
参考文献 190
第8章 模糊逻辑理论与系统 192
8.1模糊理论概述 192
8.1.1模糊现象与模糊概念 192
8.1.2模糊数学与模糊理论 193
8.1.3模糊理论的发展和应用 194
8.2模糊集合及其运算 195
8.2.1模糊集合的定义 195
8.2.2模糊集合的运算 197
8.3模糊逻辑和模糊推理 199
8.3.1模糊关系 199
8.3.2模糊关系的运算 200
8.3.3模糊逻辑 201
8.3.4模糊推理 203
8.4模糊系统在自动控制系统中的应用 208
8.4.1模糊控制器与模糊控制系统 208
8.4.2模糊控制系统的工作原理 210
8.4.3模糊控制系统设计的关键问题 212
8.4.4模糊自适应PID控制器的设计 212
8.5总结 218
参考文献 219
第9章 基于进化计算的模糊系统设计 221
9.1基于模糊规则的模糊系统 221
9.1.1概述 221
9.1.2基于模糊规则系统设计 222
9.2遗传模糊系统 223
9.2.1概述 224
9.2.2实施步骤 226
9.2.3研究现状 227
9.3基于遗传算法的模糊控制器的设计方法 228
9.3.1基于遗传算法的模糊控制器设计概述 228
9.3.2遗传模糊控制系统的总体设计方案 229
9.3.3基于遗传算法来确定模糊控制规则 232
9.3.4应用实例 241
9.3.5结论 244
9.4总结 244
参考文献 245
第10章 计算智能方法的性能评价 247
10.1通用事项 247
10.1.1选择金标准 248
10.1.2训练数据集和测试数据集的划分 249
10.1.3显著性差异 249
10.1.4交叉验证 251
10.1.5适应度 251
10.2准确率 252
10.3误差评价性能指标 253
10.3.1平均平方误差 253
10.3.2绝对误差 255
10.3.3归一化误差 255
10.4接受者操作特征曲线 256
10.5召回率和精确率 258
10.6总结 259
参考文献 260