目录

第1章绪论

1.1什么是智能

1.2生物智能

1.3人工智能

1.4计算智能

1.4.1模糊计算

1.4.2神经计算

1.4.3进化计算

第一单元模 糊 计 算

第2章模糊系统理论

2.1模糊集合

2.1.1经典集合

2.1.2模糊集合与隶属函数

2.1.3模糊集合的表示方法

2.1.4模糊集合的运算

2.2模糊关系

2.2.1普通关系

2.2.2模糊关系的概念

2.2.3模糊关系的性质

2.2.4模糊关系的运算

2.2.5模糊关系的复合

2.2.6模糊关系的转置

2.2.7模糊关系的截矩阵

2.2.8模糊关系的传递闭包

2.3模糊逻辑

本章习题

第3章模糊系统应用

3.1模糊聚类分析

3.1.1模糊聚类的基本概念

3.1.2模糊聚类的具体步骤

3.2模糊模式识别

3.2.1模式识别原则

3.2.2模式识别的直接方法

3.2.3模式识别的间接方法

3.3模糊综合评判

3.3.1基本概念

3.3.2一级模糊综合评判

3.3.3多级模糊综合评判

3.4模糊控制

3.4.1模糊推理

3.4.2模糊控制

本章习题

第二单元神 经 计 算

第4章神经网络理论

4.1神经网络简介

4.1.1神经网络的研究进展

4.1.2神经网络的基本原理

4.2神经网络的学习规则

4.2.1神经网络的分类

4.2.2神经网络的学习

4.2.3神经网络的信息处理能力

4.2.4神经网络的应用

4.2.5神经网络与人工智能

4.3单层前向网络

4.3.1单层感知器

4.3.2自适应线性元件

4.3.3LMS学习算法

4.4多层前向网络

4.4.1多层感知器

4.4.2BP神经网络

4.4.3RBF神经网络

4.5Hopfield神经网络

4.5.1离散Hopfield 神经网络

4.5.2连续Hopfield神经网络

4.5.3联想记忆

4.6神经网络的应用案例

4.6.1铁矿粉烧结的基础特性预测

4.6.2葡萄酒品质的评价

4.6.3地震数据中随机噪声的去噪

4.6.4股票价格预测

4.6.5水泥熟料的强度预测

本章习题

第5章支持向量机

5.1支持向量机概述

5.1.1历史背景

5.1.2统计学习理论

5.2分类支持向量机

5.2.1最优分类超平面

5.2.2线性支持向量机

5.2.3非线性支持向量机

5.2.4SVM与多层前向网络的比较

5.2.5学习算法

5.3回归支持向量机

5.3.1损失函数

5.3.2回归支持向量机的实现

5.4支持向量机的应用

5.4.1实例1： 支持向量机解决异或问题

5.4.2实例2： 用支持向量机对人工样本进行分类

5.4.3实例3： 基于粒计算的哈夫曼树SVM多分类模型研究

本章习题

第6章深度学习

6.1深度学习概述

6.1.1起源和命运变迁

6.1.2基本概念和思想

6.1.3深度学习与神经网络

6.1.4训练过程

6.2深度学习模型

6.2.1深度神经网络

6.2.2卷积神经网络

6.2.3循环神经网络

6.2.4生成对抗网络

6.3深度学习框架

6.4深度学习的应用案例

6.4.1玉米籽粒的完整性识别

6.4.2从叶片图像推断植物病害

6.4.3黄瓜分类

本章习题

第三单元进 化 计 算

第7章遗传算法

7.1遗传算法简介

7.1.1发展历程

7.1.2生物学基础

7.1.3遗传算法的特点

7.2遗传算法的原理与实现

7.2.1遗传算法的原理

7.2.2遗传编码

7.2.3遗传操作

7.3遗传算法的应用

本章习题

第8章遗传规划

8.1概述

8.1.1遗传算法的局限性

8.1.2遗传规划简介

8.1.3遗传规划的步骤

8.2遗传规划的应用

8.2.1降水量预测

8.2.2土石坝沉降预测

本章习题

第9章蚁群算法

9.1蚁群算法简介

9.1.1蚁群算法的背景

9.1.2蚁群算法的原理

9.1.3蚁群算法的思想

9.1.4蚁群算法的特点

9.2蚁群算法的实现

9.2.1模型构建

9.2.2算法流程

9.2.3算法改进

9.3蚁群算法的应用

9.3.1应用领域

9.3.2应用案例

第10章粒子群算法

10.1粒子群算法简介

10.1.1粒子群算法的背景

10.1.2粒子群算法的原理

10.1.3粒子群算法的思想

10.2粒子群算法的更新规则

10.2.1粒子速度更新

10.2.2粒子位置更新

10.3算法实现概述

10.3.1算法流程

10.3.2算法实现

10.3.3应用案例

10.4粒子群算法的特点及应用

10.4.1算法的特点

10.4.2算法对比

10.4.3算法的应用

第11章新型群智能优化算法

11.1人工蜂群算法

11.1.1人工蜂群算法的原理

11.1.2人工蜂群算法的思想

11.1.3人工蜂群算法的实现

11.2萤火虫算法

11.2.1萤火虫算法的原理

11.2.2萤火虫算法的思想

11.2.3萤火虫算法的实现

11.3蝙蝠算法

11.3.1蝙蝠算法的原理

11.3.2蝙蝠算法的思想

11.3.3蝙蝠算法的实现

11.4灰狼优化算法

11.4.1灰狼优化算法的原理

11.4.2灰狼优化算法的思想

11.4.3灰狼优化算法的实现

11.5蜻蜓算法

11.5.1蜻蜓算法的原理

11.5.2蜻蜓算法的思想

11.5.3蜻蜓算法的实现

11.6鲸鱼优化算法

11.6.1鲸鱼优化算法的原理

11.6.2鲸鱼优化算法的思想

11.6.3鲸鱼优化算法的实现

11.7蝗虫优化算法

11.7.1蝗虫优化算法的原理

11.7.2蝗虫优化算法的思想

11.7.3蝗虫优化算法的实现

11.8麻雀搜索算法

11.8.1麻雀搜索算法的原理

11.8.2麻雀搜索算法的思想

11.8.3麻雀搜索算法的实现

参考文献