原著（第2 版）序

人们从自然系统的研究中学到许多知识，并用这些知识发展新的算法和模型来求解复杂问题。本书在计算智能（CI）框架下，给出了这些技术范例（paradigm ）的导论。书中将讨论人工神经网络、进化计算、群体智能、人工免疫系统和模糊系统。它们分别建模了以下自然系统：生物神经网络、进化、社会组织的群体行为、自然免疫系统和人类思维过程。

为什么本书要讨论计算智能？需求来自于一门研究生课程，在该课程中学生们缺乏对人工智能和数学背景知识的深入了解。因此，对计算智能范例进行概述，同时提供一定深度的数学分析是有必要的。本书的内容虽然是导论性质的，但没有回避对相关技术细节的论述，并且还为有兴趣的读者提供了数学理论基础。本书的目的不是对所有的计算智能范例和算法进行全面介绍，而只是概述了流行的和常用的模型。对于这些模型，本书详细概述了它们的不同实现。因此，本书最适合于刚进入计算智能领域的初学者。本书也适合用做大学三年级学生的教材。

除了论述计算智能范例以外，本书还对CI 研究前沿的许多新发展进行了介绍，以飨感兴趣的读者。因此，本书的材料对于许多研究生和那些希望学习不同CI 范例的研究人员，以及那些不了解CI 技术魅力的研究人员（如，生物信息学家、生物化学家、机械化学工程师、经济学家、音乐家和医生）来说都是非常有用的。

本书包括6 个部分。第Ⅰ部分简要介绍不同计算智能范例和历史回顾。第Ⅱ部分～第Ⅵ部分分别论述不同的计算智能范例，读者可以以任意顺序阅读它们。

第Ⅱ部分论述人工神经网络（NN），包括以下主题：第2 章介绍作为神经网络基础的人工神经元，讨论各类激活函数、神经元几何结构和学习规则。第3 章论述监督学习。简要介绍各种类型的监督网络，包括前馈神经网络、功能联结神经网络、乘积单元神经网络、级联神经网络和回馈神经网络。同时，还论述各类监督学习算法，包括梯度下降法、共轭梯度法、跳蛙和粒子群优化。第4 章论述非监督学习。讨论各种非监督神经网络模型，包括学习向量量化和自组织特征图。第5 章论述径向基函数神经网络。在第6 章讨论增强学习。第7 章主要讨论监督网络的性能问题，重点是精度指标和性能改进方法。

第Ⅲ部分介绍几种进化计算模型，包括下面的主题：第8 章是对计算进化过程及其基本算子的综述；第9 章讨论遗传算法；第10 章讨论遗传编程；第11 章讨论进化规划；第12 章讨论进化策略；第13 章讨论差分进化；第14 章讨论文化算法；第15 章讨论协同进化，并简要介绍竞争与符号化的协同进化。

第Ⅳ部分简要介绍两类基于群体的模型：第16 章讨论粒子群优化；第17 章讨论蚂蚁算法。

关于人工免疫系统的内容放在了第Ⅴ部分。其中第18 章讨论自然免疫系统，第19 章介绍几种人工免疫模型。

第Ⅵ部分论述模糊系统。第20 章简要介绍模糊逻辑并讨论隶属函数。第21 章讨论模糊推理系统。第22 章讨论模糊控制。第23 章简要综述了粗糙集。

全书通过习题加深所论述的内容并激发读者深入思考。书中许多地方都很适时地给出了实际应用例子，以便更好地展示相关的理论概念。

配合本书的网站地址为http://ci.cs.up.ac.za，该网站提供了许多本书所讨论的CI 模型的实现算法。这些算法均由比勒陀利亚大学（Pretoria University ）计算机系计算智能研究组使用Java 编程实现，并且作为开放源代码库CIlib 的一部分。CIlib（http://cilib.sourceforge.net） 是一个使实现新CI 算法方便、简易的通用框架。目前，它已包含了粒子群优化、神经网络和进化计算等框架。在本书的网站中，读者还可以下载书中所使用的首字母缩略词表和符号表。

最后，我要感谢那些为完成本书给予我们帮助的人们。首先，我要感谢我的母亲Magriet Engelbrecht 帮助我输入和校对了书中的许多文字。其次，要感谢Anri Henning，她花费了许多晚间时光进行校对工作。本书的人工免疫系统部分是由我的一个博士生Attie Graaff 撰写的。如果没有他的帮助，本书不可能如此完整。最后，我还要感谢我的所有研究生们，他们为本书开发和建立了CIlib。

A. P. Engelbrecht 

于比勒陀利亚南非