智能計算模型與理論

 

目錄

 

 

 

 

 

 

第1章概論

 

1.1人工智能簡介

 

1.1.1人工智能概念

 

1.1.2人工智能發展歷史

 

1.1.3人工智能三大學派

 

1.2智能計算與人工智能

 

1.2.1智能計算概念

 

1.2.2智能計算與人工智能的聯系

 

1.3智能計算分類

 

1.3.1神經計算

 

1.3.2模糊計算

 

1.3.3進化計算

 

1.3.4群智能計算

 

1.3.5密母計算

 

1.3.6免疫計算

 

1.3.7量子計算

 

1.4智能計算應用領域

 

1.4.1智能計算在軍事領域的應用

 

1.4.2智能計算在數據挖掘領域的應用

 

1.4.3智能計算在系統模擬領域的應用

 

1.4.4智能計算在機器視覺領域的應用

 

1.4.5智能計算在智能製造領域的應用

 

本章小結

 

習題

 

參考文獻

 

第2章神經計算

 

2.1生物神經系統

 

2.1.1生物神經元結構及工作機制

 

2.1.2生物神經系統特點

 

2.2人工神經網絡

 

2.2.1人工神經網絡基本概念

 

2.2.2人工神經網絡模型

 

2.3學習算法

 

2.3.1單層感知器及其學習算法

 

2.3.2BP神經網絡及其學習算法

 

 2.4人工神經網絡的類型

 

2.4.1前饋神經網絡

 

2.4.2反饋神經網絡

 

2.5深度神經網絡

 

2.5.1從淺層神經網絡到深度神經網絡

 

2.5.2捲積神經網絡

 

2.5.3循環神經網絡

 

2.5.4生成對抗網絡

 

2.6神經計算應用

 

2.6.1文字識別

 

2.6.2語音識別

 

2.6.3圖像生成

 

本章小結

 

習題

 

參考文獻

 

第3章模糊計算

 

3.1模糊集合

 

3.1.1模糊集合的定義

 

3.1.2隸屬度函數定義

 

3.1.3模糊集合的表示

 

3.1.4隸屬度函數確定方法

 

3.1.5模糊集合的運算

 

3.2模糊關系及其合成

 

3.2.1模糊矩陣

 

3.2.2模糊關系

 

3.2.3模糊關系的合成

 

3.3模糊推理

 

3.3.1模糊知識表示

 

3.3.2模糊推理規則

 

3.3.3模糊判決

 

3.4模糊計算應用

 

3.4.1模糊C均值聚類算法

 

3.4.2模糊控制

 

本章小結

 

習題

 

參考文獻

 

第4章進化計算

 

4.1進化計算的生物背景

 

4.1.1進化計算的起源

 

4.1.2進化計算的歷史

 

4.1.3進化計算的基本過程及分類

 

4.2遺傳算法

 

4.2.1基本遺傳算法的原理

 

4.2.2遺傳算法的求解過程

 

4.2.3模式理論與積木塊假設

 

4.2.4改進的遺傳算法

 

4.2.5遺傳算法應用

 

4.3進化策略、進化規劃與遺傳規劃

 

4.3.1進化策略

 

4.3.2進化規劃

 

4.3.3遺傳規劃

 

本章小結

 

習題

 

參考文獻

 

第5章群智能計算

 

5.1群智能概述

 

5.1.1群智能基本概念

 

5.1.2群智能算法基本思想

 

5.2PSO算法

 

5.2.1PSO算法背景

 

5.2.2用於連續優化問題的PSO算法模型

 

5.2.3PSO算法求解實例

 

5.2.4PSO算法改進模型

 

5.2.5PSO算法應用

 

5.3蟻群算法

 

5.3.1蟻群算法背景

 

5.3.2用於離散優化問題的蟻群算法模型

 

5.3.3蟻群算法求解實例

 

5.3.4蟻群算法改進模型

 

5.3.5蟻群算法應用

 

5.4菌群算法

 

5.4.1菌群算法背景

 

5.4.2菌群算法原理

 

5.4.3菌群算法應用

 

5.5其他群智能模型

 

5.5.1人工魚群算法基本原理

 

5.5.2狼群算法基本原理

 

本章小結

 

習題

 

參考文獻

 

第6章密母計算

 

6.1混合智能計算基本概念

 

6.2單點搜索算法

 

6.2.1模擬退火算法

 

6.2.2梯度下降算法

 

6.2.3爬山算法

 

6.3密母算法

 

6.3.1密母算法的基本思想

 

6.3.2密母算法的一般框架

 

6.3.3超啟發式局部搜索策略

 

6.3.4協同進化局部搜索策略

 

6.4基於密母算法的社團檢測

 

6.4.1問題定義

 

6.4.2貪心算法

 

6.4.3算法描述

 

6.4.4實驗結果及分析

 

6.5基於混合多目標蟻群優化算法的社團檢測

 

6.5.1混合多目標蟻群優化算法的基本概念

 

6.5.2目標函數的選擇

 

6.5.3算法描述

 

6.5.4實驗結果及分析

 

6.6基於爬山算法的改進遺傳算法

 

本章小結

 

習題

 

參考文獻

 

第7章免疫計算

 

7.1免疫計算生物學背景

 

7.1.1免疫系統

 

7.1.2免疫應答機制

 

7.1.3生物免疫系統的免疫理論

 

7.1.4生物免疫系統的動力學基礎

 

7.2免疫計算基礎

 

7.2.1免疫計算研究概況

 

7.2.2免疫計算分類

 

7.2.3基本免疫算法

 

7.3克隆選擇算法

 

7.3.1克隆選擇算法的基本過程

 

7.3.2克隆選擇算法求解實例

 

7.4免疫算法

 

7.4.1否定選擇算法

 

7.4.2免疫網絡算法

 

7.4.3免疫多目標模型

 

7.4.4混合免疫模型

 

7.5免疫計算應用

 

本章小結

 

習題

 

參考文獻

 

第8章量子計算

 

8.1量子計算物理基礎

 

8.1.1量子算法

 

8.1.2量子系統中的疊加、相乾與坍縮

 

8.1.3量子態的乾涉

 

8.1.4量子態的糾纏

 

8.1.5量子計算的並行性

 

8.2量子計算模型

 

8.2.1Grover搜索算法

 

8.2.2量子退火算法

 

8.2.3量子進化算法

 

8.2.4量子神經網絡

 

8.2.5量子貝葉斯網絡

 

8.2.6量子小波變換

 

8.3量子智能優化算法

 

8.3.1量子智能優化聚類算法

 

8.3.2量子智能優化算法應用

 

本章小結

 

習題

 

參考文獻

 

第9章多目標智能計算

 

9.1多目標優化概述

 

9.1.1多目標優化基本概念

 

9.1.2多目標優化數學模型

 

9.1.3多目標優化發展歷程

 

9.1.4多目標優化收斂性分析

 

9.2進化多目標優化

 

9.2.1非支配排序遺傳算法

 

9.2.2基於分解的進化多目標優化算法

 

9.2.3基於正則模型的多目標分佈估計算法

 

9.3復雜多目標優化模型

 

9.3.1動態多目標優化

 

9.3.2高維多目標優化

 

9.3.3偏好多目標優化

 

9.3.4噪聲多目標優化

 

9.4多目標智能計算相關應用

 

本章小結

 

習題

 

參考文獻

 

第10章新型智能計算

 

10.1智能計算前沿技術

 

10.1.1圖神經網絡

 

10.1.2面向昂貴優化問題的進化計算

 

10.2智能計算展望

 

10.2.1進化計算與神經計算結合

 

10.2.2神經網絡架構進化搜索

 

本章小結

 

習題

 

參考文獻