- 作 者：D.K.Pratihar著；王攀，冯帅，张坚坚译
- 出 版 社：北京：科学出版社
- 出版年份：2009
- ISBN：9787030231079
- 标注页数：194 页
- PDF页数：212 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源212 ≥194页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 绪论 1
1.1 硬计算 1
1.1.1 硬计算的特征 1
1.2 软计算 2
1.2.1 软计算的概念 2
1.2.2 软计算的特征 2
1.3 混合计算 3
1.4 总结 3
1.5 练习 4
第2章 优化与一些传统方法 5
2.1 优化引论 5
2.1.1 一个实际例子 6
2.1.2 优化问题的分类 7
2.1.3 优化的原理 8
2.1.4 对偶原理 9
2.2 传统优化方法 10
2.2.1 穷举法 10
2.2.2 随机步法 15
2.2.3 最速下降法 18
2.2.4 传统优化方法的不足 20
2.3 总结 21
2.4 练习 21
第3章 遗传算法介绍 22
3.1 遗传算法的工作流程 22
3.2 二进制编码GA 23
3.2.1 交叉和变异 30
3.2.2 一个手工计算 30
3.2.3 GA的基本定理／模式定理 31
3.2.4 二进制编码GA的局限性 33
3.3 GA参数设置 34
3.4 GA中的约束处理 36
3.4.1 惩罚函数方法 36
3.5 遗传算法的优缺点 38
3.6 总结 38
3.7 练习 39
第4章 几种专门化的遗传算法 42
4.1 实值编码GA 42
4.1.1 交叉算子 42
4.1.2 变异算子 45
4.2 微-GA 46
4.3 可视化交互式GA 47
4.3.1 映射方法 47
4.3.2 仿真结果 50
4.3.3 VIGA的工作原理 52
4.4 调度GA 52
4.4.1 边缘重组 54
4.4.2 序交叉#1 55
4.4.3 序交叉#2 56
4.4.4 循环交叉 56
4.4.5 基于位置的交叉 57
4.4.6 部分映射交叉 58
4.5 总结 59
4.6 练习 59
第5章 模糊集引论 62
5.1 精确集 62
5.1.1 集合论中的符号 62
5.1.2 精确集的运算 63
5.1.3 精确集的性质 64
5.2 模糊集 65
5.2.1 模糊集的表示 66
5.2.2 精确集与模糊集之间的差异 70
5.2.3 模糊集中的一些定义 70
5.2.4 模糊集中的一些标准运算 72
5.2.5 模糊集的性质 77
5.3 总结 78
5.4 练习 79
第6章 模糊推理与聚类 80
6.1 引言 80
6.2 模糊逻辑控制器 80
6.2.1 两个主要的模糊逻辑控制器 81
6.2.2 层次模糊逻辑控制器 92
6.2.3 灵敏度分析 93
6.2.4 模糊逻辑控制器的优缺点 94
6.3 模糊聚类 94
6.3.1 模糊C-均值聚类 94
6.3.2 基于熵的模糊聚类 99
6.4 总结 102
6.5 练习 102
第7章 神经网络基础 105
7.1 引言 105
7.1.1 生物神经元 105
7.1.2 人工神经元 105
7.1.3 单层神经元 107
7.1.4 多层神经元 109
7.2 静态和动态神经网络的比较 110
7.3 神经网络的训练 111
7.3.1 有监督学习 111
7.3.2 无监督学习 111
7.4 总结 112
7.5 练习 112
第8章 几个神经网络的例子 113
8.1 引言 113
8.2 多层前馈神经网络 113
8.2.1 前向计算 114
8.2.2 采用反向传播算法的网络训练 116
8.2.3 设计一个合适的NN应遵循的步骤 119
8.2.4 优缺点 120
8.2.5 一个数值例子 120
8.3 径向基函数网络 123
8.3.1 前向计算 125
8.3.2 采用反向传播算法的RBFN的调节 126
8.4 自组织映射 129
8.4.1 竞争 130
8.4.2 合作 130
8.4.3 更新 131
8.4.4 最终映射 131
8.4.5 仿真结果 131
8.5 递归神经网络 132
8.5.1 Elman网络 132
8.5.2 Jordan网络 133
8.5.3 组合的Elman和Jordan网络 134
8.6 总结 134
8.7 练习 135
第9章 组合遗传算法-模糊逻辑 137
9.1 引言 137
9.2 模糊-遗传算法 137
9.3 遗传-模糊系统 140
9.3.1 文献简要回顾 140
9.3.2 遗传-模糊系统的工作原理 143
9.4 总结 149
9.5 练习 149
第10章 组合遗传算法-神经网络 151
10.1 引言 151
10.2 遗传-神经系统的工作原理 152
10.2.1 前向计算 153
10.2.2 手算实例 155
10.3 总结 157
10.4 练习 158
第11章 组合神经网络-模糊逻辑 159
11.1 引言 159
11.2 基于Mamdani方法的神经模糊系统 159
11.2.1 采用反向传播算法对神经-模糊系统的调节 164
11.2.2 采用遗传算法对神经-模糊系统的调节 165
11.2.3 一个数值例子 166
11.3 基于Takagi-Sugeno方法的神经模糊系统 170
11.3.1 采用遗传算法对ANFIS的调节 173
11.3.2 一个数值例子 174
11.4 总结 177
11.5 练习 177
参考文献 179
附录 软计算中的两个问题的讨论 188
一、方法集成与软计算方法集成 188
二、关于软计算与仿生计算 193