前言

“计算智能”是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而设计的算法统称，曾用名为“软计算”“智能计算”。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。

本书主要内容

本书尽量淡化算法的数学原理，以应用为主进行讲解和阐述，主要介绍计算智能研究领域中模糊计算、神经计算、进化计算三大模块，系统阐述计算智能的有关理论、技术及其主要应用，全面介绍计算智能研究的前沿领域与最新进展，以及三大计算智能理论在不精确、不完整、不确定的真实世界中数据的知识表达、学习、挖掘和归纳等方面的处理技术和方法。上机实验部分，注重各个算法基于MATLAB软件的仿真实现过程。本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握，可作为高等学校人工智能、智能科学与技术、计算机应用技术等专业本科生、研究生教材，也可供人工智能相关研究领域的研究人员学习参考。

作为一本关于计算智能的图书，本书共有11章。

第1章绪论，首先介绍智能的定义，然后介绍智能的分类——生物智能、人工智能、计算智能，使读者对智能有不同层次的认识，对于初步认识智能相关概念有重要意义，也为后面章节的学习奠定基础。

第2章模糊系统理论，从经典集合引出模糊集合，分三部分介绍了模糊系统理论，即模糊集合、模糊关系、模糊逻辑，通过这些内容的学习，使读者对模糊系统理论有更深层次的认识，为后续模糊系统的应用奠定基础。

第3章模糊系统应用，重点讲述模糊系统在模糊聚类分析、模糊模式识别、模糊综合评判以及模糊控制等方面的应用，结合实际案例讲解计算过程和步骤，使读者在理解模糊系统理论的基础上，结合案例理解实际问题如何应用模糊系统理论求解，学以致用。

第4章神经网络理论，对人工神经网络进行介绍，包括人工神经网络的基本原理、研究进展、典型结构，并详细介绍了单层前向网络、多层前向网络、Hopfield网络，对每一种神经网络结合案例讲解求解步骤并给出仿真代码； 最后梳理不同行业领域的实际应用案例，使读者对神经网络的应用有更进一步的理解。

第5章支持向量机，介绍支持向量机的发展背景及统计学习理论，阐述最优分类超平面、分类支持向量机； 介绍SVM在解决分类问题中的学习算法，并与多层前向网络进行对比分析； 介绍损失函数和回归支持向量机； 通过仿真实例演示支持向量机的应用。

第6章深度学习，介绍深度学习的发展历程、几种典型的深度学习模型、常用的深度学习框架，并给出三个典型案例。

第7章遗传算法，介绍遗传算法的背景、原理、思想，遗传算法的流程、编码及演化过程，并结合实际案例，详细演示算法的执行过程和计算流程。

第8章遗传规划，介绍遗传规划的原理、思想、算法流程，并结合实际案例详细演示算法的执行过程和计算流程。

第9章蚁群算法，介绍了蚁群算法的背景、原理、思想，以及蚁群算法的实现过程，结合TSP问题求解、基于精确罚函数的改进蚁群优化算法，给出实际应用案例，使读者对算法应用有更深入的理解。

第10章粒子群算法，介绍了粒子群算法的背景、原理、思想，以及粒子群算法的更新规则和实现过程，结合优化问题求解案例讲解应用方法，使读者对算法应用有更深入的理解。

第11章新型群智能优化算法，梳理了2005年以来提出的八种新型群智能优化算法(人工蜂群算法、萤火虫算法、蝙蝠算法、灰狼优化算法、蜻蜓算法、鲸鱼优化算法、蝗虫优化算法、麻雀搜索算法),每种算法从原理、思想、算法实现等角度进行梳理总结，部分算法结合经典案例讲解实现过程，使读者对不同群智能算法有一个初步的认识，能够在未来选择合适的优化算法解决问题。

本书特色

(1) 逻辑清晰，通俗易懂。全书共分为三大模块，由浅入深地带读者学会计算智能常见算法。

(2) 夯实基础，案例丰富。对基础知识结合案例进行讲解，使读者对基础知识有较为全面的理解。

(3) 淡化原理，注重应用。淡化数学原理，并通过应用案例讲解算法，便于读者更好地理解算法的步骤和计算流程。

(4) 算法独立，利于仿真。上机实验设计相对独立，可采用MATLAB或Python语言实现仿真实验。

配套资源

为便于教学，本书配有源代码、数据集、教学课件、教学大纲、教学进度表、教案、上机实验、课程设计、习题题库、期末试卷及答案。

(1) 获取源代码、数据集和全书网址方式： 先刮开并扫描本书封底的文泉云盘防盗码，再扫描下方二维码，即可获取。

源代码

数据集

全书网址

(2) 其他配套资源可以扫描本书封底的“书圈”二维码，关注后回复本书书号下载。

读者对象

本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科技人员。

致谢

在本书编写的过程中，得到了研究生科研团队成员(代琪、王荣杰、唐宇、陈宏松、杨丽敏、郑越、俎毓伟、曹柯欣)的支持和帮助。本书由陈丽芳、侯伟编著，陈丽芳负责第1~3章和第7~11章的编写工作； 侯伟负责第4~6章的编写工作； 研究生科研团队成员帮助老师收集整理资料、对书中的代码进行仿真实现，感谢大家的辛苦付出！团队的力量是伟大的，有你们的支持和帮助，才能使这本书顺利与读者见面，再次感谢大家！

本书作者在编写过程中，参考了诸多相关资料，在此对相关资料的作者表示衷心的感谢。限于个人水平和时间仓促，书中难免存在疏漏之处，欢迎广大读者批评指正。

作者

2025年1月