软计算方法是国际上*发展起来的数学优化方法,它在国民经济的各个领域都有广泛的应用。本书较系统地介绍了软计算及其应用方法,包括模拟退火算法、人工神经网络计算方法、遗传算法、支持向量机和模糊计算等。书中从结构上对软计算方法进行了统一地描述,并注重叙述各内容之间的相互融合,特别注意讲述这些软计算方法的实际应用,并给出了其应用实例。
本书取材新颖,反映了当前国际先进的软计算技术,并兼顾课堂教学、自学的特点。叙述深入浅出,易读易懂,可作为高等院校相关专业的研究生、本科生的教材和参考书,也可供有关学科的教师及工程技术人员参考。
更多科学出版社服务,请扫码获取。
前言
第1章 绪论
1.1 软计算与人工智能的关系
1.2 软计算科学的主要分支
1.2.1 人工神经网络
1.2.2 遗传算法
1.2.3 模糊逻辑
1.3 软计算的特性
1.4 软计算研究的主要问题
1.4.1 学习
1.4.2 搜索
1.4.3 推理
第2章 模拟退火算法
2.1 概述
2.1.1 物理退火过程
2.1.2 Metroplis算法
2.1.3 模拟退火算法
2.2 模拟退火算法的收敛性分析
2.2.1 模拟退火算法的Markov链描述
2.2.2 模拟退火算法的收敛性
2.3 模拟退火算法的设计
2.3.1 初始温度t
2.3.2 终止温度t2
2.3.3 Markov链长L4
2.3.4 控制参数的更新函数T(t)
2.4 模拟退火算法的应用
2.4.1 模拟退火算法应用的一般要求
2.4.2 典型组合优化问题的模拟退火算法
参考文献
第3章 人工神经网络
3.1 人工神经网络的基本概念
3.1.1 生物神经元模型
3.1.2 人工神经元模型
3.1.3 人工神经网络模型
3.2 人工神经网络的学习方法
3.2.1 学习机理
3.2.2 学习方法
3.2.3 学习规则
3.3 前向式神经网络与算法
3.3.1 感知器及算法
3.3.2 BP网络与误差反向传播算法
3.4 反馈网络模型及其主要算法
3.4.1 Hopfield网络与算法
3.4.2 Boltzmann机网络和学习方法
3.4.3 自组织特征映射网络和算法
3.5 神经网络的系统设计
3.5.1 神经网络的适用范围
3.5.2 神经网络的设计过程和需求分析
3.5.3 神经网络的性能评价
3.5.4 输入数据的预处理
3.6 神经网络的应用
3.6.1 基于神经网络的优化计算
3.6.2 图像边缘检测
参考文献
第4章 遗传算法
4.1 遗传算法的概念
4.1.1 遗传算法的生物遗传学基础
4.1.2 遗传算法的·般结构
4.1.3 遗传算法的特点
4.2 标准遗传算法的基本设计
4.2.1 编码
4.2.2 适应度函数
4.2.3 遗传算法的基本操作
4.2.4 遗传算法的终止控制设计
……
第5章 支持向量机
第6章 模糊计算
参考文献