計(jì)算智能導(dǎo)論（第2版）

第I部分 引言
第1章 計(jì)算智能簡(jiǎn)介
1.1 計(jì)算智能典型方法
1.1.1 人工神經(jīng)網(wǎng)絡(luò)
1.1.2 進(jìn)化計(jì)算
1.1.3 群體智能
1.1.4 人工免疫系統(tǒng)
1.1.5 模糊系統(tǒng)
1.2 簡(jiǎn)短歷史
1.3 習(xí)題
第Ⅱ部分 人工神經(jīng)網(wǎng)絡(luò)
第2章 人工神經(jīng)元
2.1 計(jì)算網(wǎng)絡(luò)輸入信號(hào)
2.2 激活函數(shù)
2.3 人工神經(jīng)元幾何構(gòu)型
2.4 人工神經(jīng)元學(xué)習(xí)
2.4.1 增廣向量
2.4.2 梯度下降學(xué)習(xí)規(guī)則
2.4.3 Widrow-Hoff學(xué)習(xí)規(guī)則
2.4.4 廣義delta學(xué)習(xí)規(guī)則
2.4.5 誤差修正學(xué)習(xí)規(guī)則
2.5 習(xí)題
第3章 監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
3.1 神經(jīng)網(wǎng)絡(luò)的類型
3.1.1 前饋神經(jīng)網(wǎng)絡(luò)
3.1.2 函數(shù)鏈神經(jīng)網(wǎng)絡(luò)
3.1.3 乘積單元神經(jīng)網(wǎng)絡(luò)
3.1.4 簡(jiǎn)單反饋神經(jīng)網(wǎng)絡(luò)
3.1.5 時(shí)延神經(jīng)網(wǎng)絡(luò)
3.1.6 級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)
3.2 監(jiān)督學(xué)習(xí)規(guī)則
3.2.1 監(jiān)督學(xué)習(xí)問題
3.2.2 梯度下降優(yōu)化
3.2.3 尺度化共軛梯度
3.2.4 LeapFrog優(yōu)化
3.2.5 粒子群優(yōu)化
3.3 隱層單元的功能
3.4 集成神經(jīng)網(wǎng)絡(luò)
3.5 習(xí)題
第4章 非監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
4.1 背景
4.2 Hebbian學(xué)習(xí)規(guī)則
4.3 主成分學(xué)習(xí)規(guī)則
4.4 學(xué)習(xí)向量量化-I
4.5 自組織特征映射
4.5.1 隨機(jī)訓(xùn)練規(guī)則
4.5.2 批映射
4.5.3 可生長(zhǎng)SOM
4.5.4 加快收斂速度
4.5.5 聚類和可視化
4.5.6 使用SOM
4.6 習(xí)題
第5章 徑向基函數(shù)網(wǎng)絡(luò)
5.1 學(xué)習(xí)向量量化.II
5.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
5.2.1 徑向基函數(shù)網(wǎng)絡(luò)結(jié)構(gòu)
5.2.2 徑向基函數(shù)
5.2.3 訓(xùn)練算法
5.2.4 徑向基函數(shù)網(wǎng)絡(luò)的變體
5.3 習(xí)題
第6章 增強(qiáng)學(xué)習(xí)
6.1 通過獎(jiǎng)勵(lì)學(xué)習(xí)
6.2 無(wú)模型增強(qiáng)學(xué)習(xí)模型
6.2.1 即時(shí)差分學(xué)習(xí)
6.2.2 Q學(xué)習(xí)
6.3 神經(jīng)網(wǎng)絡(luò)和增強(qiáng)學(xué)習(xí)
6.3.1 RPROP
6.3.2 梯度下降增強(qiáng)學(xué)習(xí)
6.3.3 連接主義的O-學(xué)習(xí)
6.4 習(xí)題
第7章 監(jiān)督學(xué)習(xí)的性能問題
7.1 性能準(zhǔn)則
7.1.1 精度
7.1.2 復(fù)雜度
7.1.3 收斂性
7.2 性能分析
7.3 性能因素
7.3.1 數(shù)據(jù)預(yù)備
7.3.2 權(quán)值初始化
7.3.3 學(xué)習(xí)率和沖量
7.3.4 優(yōu)化方法
7.3.5 結(jié)構(gòu)選擇
7.3.6 自適應(yīng)激活函數(shù)
7.3.7 主動(dòng)學(xué)習(xí)
7.4 習(xí)題
第Ⅲ部分 進(jìn)化計(jì)算
第8章 進(jìn)化計(jì)算導(dǎo)論
8.1 一般進(jìn)化算法
8.2 染色體的表示
8.3 初始種群
8.4 適應(yīng)度函數(shù)
8.5 選擇
8.5.1 選擇壓力
8.5.2 隨機(jī)選擇
8.5.3 比例選擇
8.5.4 錦標(biāo)賽選擇
8.5.5 排序選擇
8.5.6 波爾茲曼選擇
8.5.7 (u+r)選擇
8.5.8 精英選擇
8.5.9 名人堂
8.6 繁殖算子
8.7 終止條件
8.8 進(jìn)化計(jì)算與經(jīng)典優(yōu)化算法
8.9 題
第9章 遺傳算法
9.1 經(jīng)典遺傳算法
9.2 交叉
9.2.1 二進(jìn)制表示
9.2.2 浮點(diǎn)表示
9.3 變異
9.3.1 二進(jìn)制表示
9.3.2 浮點(diǎn)表示
9.3.3 宏變異算子.無(wú)頭雞
9.4 控制參數(shù)
9.5 遺傳算法的變體
9.5.1 代溝方法
9.5.2 雜亂遺傳算法
9.5.3 交互進(jìn)化
9.5.4.島嶼遺傳算法
9.6 前沿專題
9.6.1 小生境遺傳算法
9.6.2 約束處理
9.6.3 多目標(biāo)優(yōu)化
9.6.4.動(dòng)態(tài)環(huán)境
9.7 應(yīng)用
9.8 作業(yè)
第10章 遺傳編程
10.1 基于樹的表示
10.2 初始群體
10.3 適應(yīng)度函數(shù)
10.4 交叉算子
10.5 變異算子
10.6 積木塊遺傳規(guī)劃
10.7 應(yīng)用
10.8 習(xí)題
第11章 進(jìn)化規(guī)劃
11.1 基本進(jìn)化規(guī)劃
11.2 進(jìn)化規(guī)劃算子
11.2.1 變異算子
11.2.2 選擇算子
……
11.3 策略參數(shù) 148
11.4 進(jìn)化規(guī)劃的實(shí)現(xiàn) 153
11.5 前沿專題 157
11.7 習(xí)題 161
第12章 進(jìn)化策略 162
12.1 (1+1)-進(jìn)化策略 162
12.2 一般進(jìn)化策略算法 163
12.3 策略參數(shù)和自適應(yīng) 164
12.4 進(jìn)化策略算子 168
12.5 進(jìn)化策略變種 172
12.6 高級(jí)話題 174
1261 約束處理方法 175
12.7 進(jìn)化策略的應(yīng)用 179
12.8 習(xí)題 180
第13章 差分進(jìn)化 181
13.1 基本的差分進(jìn)化 181
13.2 差分進(jìn)化/x/y/z 186
13.3 基本差分進(jìn)化的變種 187
13.4 離散值問題的差分進(jìn)化 193
13.5 高級(jí)話題 195
13.6 應(yīng)用 198
13.7 習(xí)題 199
第14章 文化算法 200
14.1 文化和人工文化 200
14.2 基本的文化算法 201
14.3 信念空間 202
14.4 模糊文化算法 206
14.5 高級(jí)話題 208
14.6 應(yīng)用 210
14.7 習(xí)題 211
第15章 協(xié)同進(jìn)化 212
15.1 協(xié)同進(jìn)化類型 212
15.2 競(jìng)爭(zhēng)協(xié)同進(jìn)化 213
15.3 協(xié)作協(xié)同進(jìn)化 217
15.4 習(xí)題 218
第Ⅳ部分 計(jì)算群體智能
第16章 粒子群優(yōu)化 221
16.1 基本粒子群優(yōu)化 221
16.2 社會(huì)網(wǎng)絡(luò)結(jié)構(gòu) 229
16.3 基本變種 231
16.4 基本PSO 的參數(shù) 238
16.5 單解粒子群優(yōu)化 240
16.6 高級(jí)專題 260
16.7 應(yīng)用 269
16.8 習(xí)題 272
第17章 螞蟻算法 273
17.1 蟻群優(yōu)化元啟發(fā) 273
17.2 墓地組織與育雛 293
17.3 分工 298
17.4 高級(jí)專題 302
17.5 應(yīng)用 309
17.6 習(xí)題 313
第Ⅴ部分 人工免疫系統(tǒng)
第18章 自然免疫系統(tǒng) 317
18.1 經(jīng)典模型 317
18.2 抗體與抗原 318
18.3 白細(xì)胞 318
18.4 免疫類型 321
18.5 抗原結(jié)構(gòu)的學(xué)習(xí) 321
18.6 網(wǎng)絡(luò)理論 322
18.7 危險(xiǎn)理論 322
18.8 習(xí)題 323
第19章 人工免疫模型 324
19.1 人工免疫系統(tǒng)算法 324
19.2 經(jīng)典模型 326
19.2 進(jìn)化方法 327
19.3 克隆選擇理論模型 328
19.4 網(wǎng)絡(luò)理論模型 333
19.5 危險(xiǎn)理論 340
19.6 應(yīng)用及其他AIS 模型 343
19.7 習(xí)題 343
第Ⅵ部分 模糊系統(tǒng)
第20章 模糊集 347
20.1 正式定義 347
20.2 隸屬函數(shù) 348
20.3 模糊算子 350
20.4 模糊集的特性 353
20.5 模糊和概率 354
20.6 習(xí)題 354
第21章 模糊邏輯和模糊推理 356
21.1 模糊邏輯 356
21.2 模糊推理 359
21.3 習(xí)題 362
第22章 模糊控制器 364
22.1 模糊控制器的部件 364
22.2 模糊控制器類型 365
22.3 習(xí)題 366
第23章 粗糙集 368
23.1 辨別力的概念 369
23.2 粗糙集中的模糊 370
23.3 模糊集中的不確定性 370
23.4 習(xí)題 371
參考文獻(xiàn) 372
附錄A 優(yōu)化理論 431
A.1 優(yōu)化問題的基本要素 431
A.2 優(yōu)化問題分類 431
A.3 最優(yōu)值類型 432
A.4 優(yōu)化方法分類 433
A.5 非約束優(yōu)化 434
A.6 約束優(yōu)化 438
A.7 多解問題 443
A.8 多目標(biāo)優(yōu)化 445
A.9 動(dòng)態(tài)優(yōu)化問題 449
術(shù)語(yǔ)表 453