第1章 绪论 1
1.1智能的定义 1
1.2生物智能 2
1.3机器智能 3
1.4计算智能的相关技术 7
第2章 模糊系统理论及实现方法 20
2.1模糊集合和模糊逻辑 20
2.2模糊关系 25
2.3模糊逻辑与模糊语言 38
2.4模糊推理 49
2.5习题 68
第3章 粗糙集理论 71
3.1粗糙集理论概述 71
3.2粗糙集的基本定义及其性质 72
3.3属性约简的粗糙集理论 75
3.4属性约简的粗糙集方法 82
3.5粗糙集方法的应用实例 84
3.6习题 87
第4章 神经网络理论 89
4.1人工神经元模型 89
4.2 M-p神经元模型与神经网络的学习规则 90
4.3简单前向神经网络 92
4.4 Hopfiield神经网络 106
4.5自组织特征映射神经网络 117
4.6动态递归网络 119
4.7 CMAC网络 122
4.8习题 130
第5章 支持向量机 132
5.1引言 132
5.2统计学习理论 132
5.3分类支持向量机 135
5.4回归支持向量机 141
5.5序列化最小最优化算法 143
5.6支持向量机的应用 146
5.7习题 147
第6章 进化计算 148
6.1遗传算法 148
6.2遗传规划 159
6.3习题 178
第7章 免疫算法 179
7.1免疫算法基本架构 179
7.2基于群体的免疫算法 180
7.3基于网络的免疫算法 182
7.4免疫模型 185
7.5免疫算法与进化算法的融合 193
7.6习题 195
第8章 蚁群算法 197
8.1引言 197
8.2蚁群算法基本原理 197
8.3基本的蚁群算法 200
8.4改进的蚁群算法 206
8.5有关蚁群算法的某些思考 208
8.6习题 211
第9章 粒子群算法 213
9.1引言 213
9.2粒子群算法的产生背景 213
9.3粒子群算法的特点 214
9.4基本PSO算法 215
9.5粒子群算法的关键问题 216
9.6粒子群算法的分类 217
9.7 PSO与其他算法比较 219
9.8粒子群算法的应用领域 221
9.9习题 222
参考文献 223