计算智能

　　前言
　　第一部分  演化计算
　　第1章  演化计算导引
　　1．1  演化计算
　　1．2  演化算法的基本结构
　　1．3  演化算法的设计
　　1．4  演化算法的特点
　　1．5  演化算法的性能评估
　　第2章  遗传算法
　　2．1  遗传算法的基本结构
　　2．2  一个例子
　　2．3  遗传算法的实现技术
　　2．4  遗传算法的理论基础
　　习题
　　第3章  遗传算法在优化中的应用
　　3．1  无约束优化
　　3．2  约束优化
　　3．3  组合优化
　　习题
　　第4章  遗传程序设计
　　4．1  遗传程序设计框架
　　4．2  程序的表示
　　4．3  程序归纳
　　4．4  遗传程序设计的实现技术
　　4．5  应用实例
　　习题
　　第5章  演化策略
　　5．1  演化策略的基本结构
　　5．2  演化策略的实现技术
　　5．3  应用实例
　　习题
　　第6章  演化规划
　　6．1  演化规划的基本结构
　　6．2  演化规划的实现技术
　　6．3  应用实例
　　习题
　　第二部分  群体智能算法
　　第7章  粒子群优化
　　7．1  PSO算法的基本结构
　　7．2  PSO算法的实现
　　7．3  应用实例
　　习题
　　第8章  蚁群优化
　　8．1  ACO算法的原理
　　8．2  ACO算法
　　8．3  应用实例
　　习题
　　第三部分  人工神经网络
　　第9章  人工神经网络的基本概念
　　9．1  人工神经网络的特点
　　9．2  人工神经网络的基本原理
　　9．3  人工神经网络的基本结构模式
　　9．4  人工神经网络互联结构
　　9．5  神经网络模型分类
　　9．6  人工智能与人工神经网络
　　9．7  人工神经网络的应用领域
　　习题
　　第10章  人工神经网络的学习算法
　　10．1  几种基本的学习算法介绍
　　10．2  几种典型神经网络简介
　　习题
　　第四部分  Fuzzy计算
　　第11章  Fuzzy计算的基本理论
　　11．1  Fuzzy集合
　　11．2  隶属函数
　　11．3  Fuzzy集合的特征
　　11．4  Fuzzy集合的运算
　　11．5  Fuzzy关系
　　习题
　　第12章  Fuzzy计算的应用
　　12．1  Fuzzy推理系统
　　12．2  Fuzzy控制器设计
　　12．3  Fuzzy聚类
　　习题
　　参考文献

　　《计算智能》全书共4个部分，分别介绍了计算智能的4个典型代表：演化计算、群体智能算法、人工神经网络和Fuzzy计算，第1部分介绍了遗传算法、遗传程序设计、演化策略和演化规划4种主要的演化计算技术；第2部分介绍了粒子群优化和蚁群优化两种具有代表性的群体智能算法；第3部分介绍了人工神经网络的基本概念和学习算法；第4部分介绍了Fuzzy计算的基本理论及应用。
　　《计算智能》可作为相关专业的高年级本科生或研究生教材，也可供从事计算智能研究的相关教师和研究人员参考。