软计算
点此进入淘宝搜索页搜索分類: 图书,计算机/网络,计算机理论,
作者： 普拉蒂哈 著，王攀 等译
出 版 社： 科学出版社
出版时间： 2009-4-1字数：版次： 1页数： 194印刷时间：开本： 16开印次：纸张：I S B N ： 9787030231079包装： 平装编辑推荐
对想了解4A广告公司工作流程的新人来说，这无疑是一本全面、易懂入门级好读物，我想这也是此书畅销的原因。
——北京龙之媒广告文化书店董事长 徐智明
内容简介
本书首先介绍了硬计算、软计算和优化等基本概念及有关方法，继而详细讨论了软计算的三大成员方法，即遗传算法、模糊理论与方法和神经网络，最后逐章论述了组合遗传算法一模糊逻辑、组合遗传算法一神经网络、组合神经网络一模糊逻辑等成员方法的集成。书中算法讨论与许多已解决的数值例子相结合，便于理解；在应用上强调软计算算法的组合。
本书可作为控制、信息、机电、系统科学与工程、计算机等专业高年级本科生、研究生的教材或教学参考书。
作者简介
.
目录
译者序
前言
术语
希腊符号
缩写
第1章 绪论
1.1 硬计算
1.1.1 硬计算的特征
1.2 软计算
1.2.1 软计算的概念
1.2.2 软计算的特征
1.3 混合计算
1.4 总结
1.5 练习
第2章 优化与一些传统方法
2.1 优化引论
2.1.1 一个实际例子
2.1.2 优化问题的分类
2.1.3 优化的原理
2.1.4 对偶原理
2.2 传统优化方法
2.2.1 穷举法
2.2.2 随机步法
2.2.3 最速下降法
2.2.4 传统优化方法的不足
2.3 总结
2.4 练习
第3章 遗传算法介绍
3.1 遗传算法的工作流程
3.2 二进制编码GA
3.2.1 交叉和变异
3.2.2 一个手工计算
3.2.3 GA的基本定理／模式定理
3.2.4 二进制编码GA的局限性
3.3 GA参数设置
3.4 GA中的约束处理
3.4.1 惩罚函数方法
3.5 遗传算法的优缺点
3.6 总结
3.7 练习
第4章 几种专门化的遗传算法
4.1 实值编码GA
4.1.1 交叉算子
4.1.2 变异算子
4.2 微-GA
4.3 可视化交互式GA
4.3.1 映射方法
4.3.2 仿真结果
4.3.3 VIGA的工作原理
4.4 调度GA
4.4.1 边缘重组
4.4.2 序交叉井1
4.4.3 序交叉#2
4.4.4 循环交叉
4.4.5 基于位置的交叉
4.4.6 部分映射交叉
4.5 总结
4.6 练习
第5章 模糊集引论
5.1 精确集
5.1.1 集合论中的符号
5.1.2 精确集的运算
5.1.3 精确集的性质
5.2 模糊集
5.2.1 模糊集的表示
5.2.2 精确集与模糊集之间的差异
5.2.3 模糊集中的一些定义
5.2.4 模糊集中的一些标准运算
5.2.5 模糊集的性质
5.3 总结
5.4 练习
第6章 模糊推理与聚类
6.1 引言
6.2 模糊逻辑控制器
6.2.1 两个主要的模糊逻辑控制器
6.2.2 层次模糊逻辑控制器
6.2.3 灵敏度分析
6.2.4 模糊逻辑控制器的优缺点
6.3 模糊聚类
6.3.1 模糊C-均值聚类
6.3.2 基于熵的模糊聚类
6.4 总结
6.5 练习
第7章 神经网络基础
7.1 引言
7.1.1 生物神经元
7.1.2 人工神经元
7.1.3 单层神经元
7.1.4 多层神经元
7.2 静态和动态神经网络的比较
7.3 神经网络的训练
7.3.1 有监督学习
7.3.2 无监督学习
7.4 总结
7.5 练习
第8章 几个神经网络的例子
8.1 引言
8.2 多层前馈神经网络
8.2.1 前向计算
8.2.2 采用反向传播算法的网络训练
8.2.3 设计一个合适的NN应遵循的步骤
8.2.4 优缺点
8.2.5 一个数值例子
8.3 径向基函数网络
8.3.1 前向计算
8.3.2 采用反向传播算法的RBFN的调节
8.4 自组织映射
8.4.1 竞争
8.4.2 合作
8.4.3 更新
8.4.4 最终映射
8.4.5 仿真结果
8.5 递归神经网络
8.5.1 Elman网络
8.5.2 Jordan网络
8.5.3 组合的Elman和Jordan网络
8.6 总结
8.7 练习
第9章 组合遗传算法-模糊逻辑
9.1 引言
9.2 模糊-遗传算法
9.3 遗传-模糊系统
9.3.1 文献简要回顾
9.3.2 遗传-模糊系统的工作原理
9.4 总结
9.5 练习
第10章 组合遗传算法-神经网络
10.1 引言
10.2 遗传-神经系统的工作原理
10.2.1 前向计算
10.2.2 手算实例
10.3 总结
10.4 练习
第11章 组合神经网络-模糊逻辑
11.1 引言
11.2 基于Mamdani方法的神经模糊系统
11.2.1 采用反向传播算法对神经-模糊系统的调节
11.2.2 采用遗传算法对神经-模糊系统的调节
11.2.3 一个数值例子
11.3 基于Takagi-Sugeno方法的神经模糊系统
11.3.1 采用遗传算法对ANFIS的调节
11.3.2 一个数值例子
11.4 总结
11.5 练习
参考文献
附录 软计算中的两个问题的讨论
一、方法集成与软计算方法集成
二、关于软计算与仿生计算
书摘插图
第1章 绪论
在我们介绍一个新兴的领域——软计算之前，先研究硬计算这个术语。本章定义该术语，另一称之为混合计算的术语亦在本章予以介绍。
1.1 硬计算
硬计算这个术语首先由美国加州大学的Zadeh教授于1996年提出，长久以来它就被用以解决各种不同的问题。
让我们看看解决一个工程问题要遵循的步骤：
（1）首先辨识与该问题相关的变量，继而分为两组，即输人或条件变量（也称为前件）和输出或行动变量（也称为后件）。
（2）用数学方程表示输人输出关系。
（3）用解析方法或数值方法求解方程。
（4）基于数学方程的解决定控制行动。
上述程序就是硬计算的原理。
1.1.1 硬计算的特征
对于精度，人们有与生俱来的探究天性，故而我们努力运用数学原理来构建问题的模型。因此，硬计算作为一种解决工程问题的传统方法由来已久。它具有下列特征：
（1）因为它工作于纯数学基础上，能产生精确解。因此，控制行动将是精确的。
（2）它适用于易于数学建模，并且其稳定性可充分预测的问题。
硬计算已被用以解决大量问题，其中两类问题说明如下：
（1）用有限元方法（FEM）进行某些种类负载约束下的机械系统压力分析。
（2）确定用以控制过程的PID控制器的增益值。
……
