智能计算模型与理论

智能计算是人工智能学 科中一个非常重要的分支领 域，该领域的快速发展进一 步推动了人工智能的发展。 本书系统地论述了智能计算 的基础理论、主要算法模型 及其应用。全书共10章，其 中第1章介绍了人工智能和 智能计算的基本概念及相互 关系、智能计算的分类及应 用情况；第2～4章详细介绍 了智能计算的3个经典分支 的理论及应用，即神经计算 、模糊计算和进化计算；第 5～9章深入介绍了智能计算 领域中的新兴算法模型及其 应用，包括群智能计算、密 母计算、免疫计算、量子计 算以及多目标智能计算；第 10章进一步对智能计算的前 沿技术进行了介绍和展望。 每章都附有本章内容框图、 习题和参考文献。 本书可作为高等院校计 算机科学、人工智能、智能 科学与技术、电子科学与技 术、控制科学与工程等专业 的本科生或研究生的教材， 同时也为相关领域的研究人 员和对智能计算技术及其应 用感兴趣的工程技术人员提 供参考。

焦李成，华山学者杰出教授、欧洲科学院外籍院士、俄罗斯自然科学院外籍院士、IEEE Fellow。现任西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，西安市人工智能产业发展联盟理事长，中国人工智能学会第六-七届副理事长、全国高校人工智能与大数据创新联盟副理事长、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席，连续八年入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家，曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程（第一、二层次），陕西省首批“三五人才”第一层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。

第1章 概论 1.1 人工智能简介 1.1.1 人工智能概念 1.1.2 人工智能发展历史 1.1.3 人工智能三大学派 1.2 智能计算与人工智能 1.2.1 智能计算概念 1.2.2 智能计算与人工智能的联系 1.3 智能计算分类 1.3.1 神经计算 1.3.2 模糊计算 1.3.3 进化计算 1.3.4 群智能计算 1.3.5 密母计算 1.3.6 免疫计算 1.3.7 量子计算 1.4 智能计算应用领域 1.4.1 智能计算在军事领域的应用 1.4.2 智能计算在数据挖掘领域的应用 1.4.3 智能计算在系统仿真领域的应用 1.4.4 智能计算在机器视觉领域的应用 1.4.5 智能计算在智能制造领域的应用 本章小结 习题 参考文献 第2章 神经计算 2.1 生物神经系统 2.1.1 生物神经元结构及工作机制 2.1.2 生物神经系统特点 2.2 人工神经网络 2.2.1 人工神经网络基本概念 2.2.2 人工神经网络模型 2.3 学习算法 2.3.1 单层感知器及其学习算法 2.3.2 BP神经网络及其学习算法 2.4 人工神经网络的类型 2.4.1 前馈神经网络 2.4.2 反馈神经网络 2.5 深度神经网络 2.5.1 从浅层神经网络到深度神经网络 2.5.2 卷积神经网络 2.5.3 循环神经网络 2.5.4 生成对抗网络 2.6 神经计算应用 2.6.1 文字识别 2.6.2 语音识别 2.6.3 图像生成 本章小结 习题 参考文献 第3章 模糊计算 3.1 模糊集合 3.1.1 模糊集合的定义 3.1.2 隶属度函数定义 3.1.3 模糊集合的表示 3.1.4 隶属度函数确定方法 3.1.5 模糊集合的运算 3.2 模糊关系及其合成 3.2.1 模糊矩阵 3.2.2 模糊关系 3.2.3 模糊关系的合成 3.3 模糊推理 3.3.1 模糊知识表示 3.3.2 模糊推理规则 3.3.3 模糊判决 3.4 模糊计算应用 3.4.1 模糊C均值聚类算法 3.4.2 模糊控制 本章小结 习题 参考文献 第4章 进化计算 4.1 进化计算的生物背景 4.1.1 进化计算的起源 4.1.2 进化计算的历史 4.1.3 进化计算的基本过程及分类 4.2 遗传算法 4.2.1 基本遗传算法的原理 4.2.2 遗传算法的求解过程 4.2.3 模式理论与积木块假设 4.2.4 改进的遗传算法 4.2.5 遗传算法应用 4.3 进化策略、进化规划与遗传规划 4.3.1 进化策略 4.3.2 进化规划 4.3.3 遗传规划 本章小结 习题 参考文献 第5章 群智能计算 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 5.2 PSO 算法 5.2.1 PSO算法背景 5.2.2 用于连续优化问题的PSO算法模型 5.2.3 PSO算法求解实例 5.2.4 PSO算法改进模型 5.2.5 PSO算法应用 5.3 蚁群算法 5.3.1 蚁群算法背景 5.3.2 用于离散优化问题的蚁群算法模型 5.3.3 蚁群算法求解实例 5.3.4 蚁群算法改进模型 5.3.5 蚁群算法应用 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 菌群算法应用 5.5 其他群智能模型 5.5.1 人工鱼群算法基本原理 5.5.2 狼群算法基本原理 本章小结 习题 参考文献 第6章 密母计算 6.1 混合智能计算基本概念 6.2 单点搜索算法 6.2.1 模拟退火算法 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 超启发式局部搜索策略 6.3.4 协同进化局部搜索策略 6.4 基于密母算法的社团检测 6.4.1 问题定义 6.4.2 贪心算法 6.4.3 算法描述 6.4.4 实验结果及分析 6.5 基于混合多目标蚊群优化算法的社团检测 6.5.1 混合多目标蚁群优化算法的基本概念 6.5.2 目标函数的选择 6.5.3 算法描述 6.5.4 实验结果及分析 6.6 基于爬山算法的改进遗传算法 本章小结 习题 参考文献 第7章 免疫计算 7.1 免疫计算生物学背景 7.1.1 免疫系统 7.1.2 免疫应答机制 7.1.3 生物免疫系统的免疫理论 7.1.4 生物免疫系统的动力学基础 7.2 免疫计算基础 7.2.1 免疫计算研究概况 7.2.2 免疫计算分类 7.2.3 基本免疫算法 7.3 克隆选择算法 7.3.1 克隆选择算法的基本过程 7.3.2 克隆选择算法求解实例 7.4 免疫算法 7.4.1 否定选择算法 7.4.2 免疫网络算法 7.4.3 免疫多目标模型 7.4.4 混合免疫模型 7.5 免疫计算应用 本章小结 习题 参考文献 第8章 量子计算 8.1 量子计算物理基础 8.1.1 量子算法 8.1.2 量