第1部分 问题的逻辑化过程 1
第1章 问题的符号化 1
1.1命题逻辑 1
1.1.1命题符号化过程 1
1.1.2命题符号化规则 3
1.2符号化过程中的等价问题 4
1.2.1常用的等价关系 4
1.2.2等价问题的推理 5
1.3推理规则 7
1.3.1基本原理 7
1.3.2主要推理方式 8
1.3.3句型模式 12
1.3.4正确性 13
第2章 基于推理规则的逻辑结构设计技术 17
2.1推理规则 17
2.1.1推理规则原理 17
2.1.2紧致性定理 20
2.2不确定性理论 21
2.2.1专家系统MYCIN 21
2.2.2主观Bayes方法 24
2.3模糊推理 26
2.3.1模糊推理的理论基础 26
2.3.2模糊推理技术研究 27
2.4证据理论 29
2.4.1 D-S理论的数学基础 29
2.4.2证据理论的推理模型 32
2.5非单调推理 35
2.6基于规则演绎推理技术研究 39
2.6.1正向规则演绎推理技术研究 39
2.6.2逆向演绎推理技术研究 44
2.6.3演绎推理的探索分析 46
第2部分 逻辑结构的优化技术 48
第3章 学习规则及应用技术 48
3.1机器学习技术 48
3.1.1学习问题的描述 48
3.1.2机器学习系统的基本结构 49
3.1.3机器学习的应用实例 49
3.2概念学习技术 54
3.2.1概念学习的任务 54
3.2.2概念学习算法 56
3.3决策树学习技术 59
3.3.1决策树的工作原理 59
3.3.2决策树的关键技术 60
3.3.3 C4.5对ID3的改进算法 64
3.3.4决策树算法的系统实现与修剪优化 65
3.4基于学习规则的几种算法研究 68
第4章 搜索策略的应用及改进技术 79
4.1基于图的搜索技术 79
4.1.1一般图搜索 79
4.1.2启发式搜索 81
4.1.3启发式搜索的关键技术 83
4.2搜索技术在数据优化算法中的应用 87
4.2.1一种网络入侵算法 87
4.2.2最小二乘原理在数据优化技术中的应用 89
4.2.3模糊数学在数据优化技术中的应用 92
4.3一种随机数的生成技术 95
4.4搜索过程中的模式匹配问题 99
第3部分 基于神经网络及遗传、免疫算法优化技术的应用 106
第5章 神经网络在软件逻辑结构优化中的应用 106
5.1神经网络基本原理 106
5.1.1神经网络的基本属性 106
5.1.2神经网络信息处理的数学过程 106
5.2 BP神经网络模型应用 107
5.2.1基本原理 107
5.2.2 DPS数据处理系统操作步骤 109
5.2.3应用实例 110
5.3 RBF神经网络应用 112
5.4生物网络结构模型的设计与实现 115
5.4.1生物网络结构的概念 115
5.4.2生物网络平台的设计与实现 117
5.5免疫网络的计算模型 118
5.6基于神经网络的应用技术 119
5.6.1译码技术研究 119
5.6.2基于神经网络的数据挖掘技术应用 123
5.7神经网络发展趋势及研究热点 125
第6章 遗传算法在软件逻辑结构优化中的应用 128
6.1遗传算法原理 128
6.2遗传算法的应用 131
6.2.1遗传算法应用的关键技术 132
6.2.2遗传算法在神经网络中的应用 132
6.2.3并行遗传算法应用 133
6.3基于遗传算法的计算优化问题 137
6.3.1基本概念 137
6.3.2遗传算法的应用案例 139
6.4基于遗传算法的单一函数优化问题 148
6.4.1评价遗传算法性能的测试函数 148
6.4.2 De Jong的研究结论 152
6.5基于遗传算法的多目标函数优化问题 155
6.5.1多目标优化问题的数学模型 155
6.5.2基于遗传算法多目标优化问题的求解 156
第7章 人工免疫算法、否定选择算法、克隆选择算法在逻辑结构优化中的应用 159
7.1人工免疫算法 159
7.1.1人工免疫算法属性简介 159
7.1.2基本免疫方法 160
7.1.3基于最基本免疫机制的免疫算法 162
7.1.4免疫算法中的亲和力计算方法 163
7.1.5免疫算法与遗传算法 163
7.2否定选择算法 164
7.2.1否定选择算法简介 164
7.2.2否定选择算法关键因素 165
7.2.3否定选择算法流程 166
7.3否定选择算法应用技术 167
7.4克隆选择算法 171
7.4.1克隆选择算法描述 172
7.4.2克隆算法应用中的关键技术 174
7.5一种免疫、克隆算法的应用技术 176
7.5.1免疫、克隆算法描述 176
7.5.2基于免疫、克隆算法的案例设计 178
7.6一种基于免疫算法的函数优化技术 180
7.7基于免疫网络克隆优化算法的函数优化 183
第4部分 数据优化与仿真技术 188
第8章 基于统计分析的算法及数据优化技术 188
8.1数据挖掘技术 188
8.1.1基本概念 188
8.1.2数据挖掘的方法 190
8.2基于数据仓库的数据挖掘技术的算法设计 195
8.2.1数据仓库与数据挖掘的基本原理及概念 195
8.2.2算法设计 197
8.2.3算法的实现 201
8.2.4结果分析 204
8.3基于统计分析技术的几类问题的算法设计 214
8.3.1常规数学化问题的数据挖掘思路 214
8.3.2几类数学化问题的算法设计及实现 215
8.4《计算方法》中几类问题的算法设计与实现 225
第9章 基于MCMC和Matlab的算法设计与仿真 236
9.1蒙特卡罗方法 236
9.1.1基本思想 236
9.1.2蒙特卡罗方法的解题步骤 236
9.2马尔可夫链 239
9.3基于Matlab方法的案例仿真 242
9.3.1仿真软件Matlab 242
9.3.2仿真案例设计 246
9.3.3仿真案例的改进设计 251
9.4基于MCMC方法的案例仿真 253
9.4.1案例基本结构设计 253
9.4.2案例的仿真示例 254
9.4.3仿真案例的改进设计 256
参考文献 260