基本信息

書名:軟計算方法理論及應用

定價：32.00元

售價：21.8元,便宜10.2元,摺扣68

作者:鄧方安,周濤,俆揚

齣版社：科學齣版社

齣版日期：2008-03-01

ISBN：9787030212740

字數：

頁碼：194

版次：1

裝幀：平裝

開本：16開

商品重量：0.300kg

編輯推薦

本書共分四篇，篇主要介紹模糊數學，包括模糊集閤、模糊關係、模糊綜閤評判和不確定性推理；第二篇主要介紹粗糙集，包括粗糙集的基礎知識，粗糙集與數學形態學和基於粗糙集的知識發現；第三篇主要介紹神經網絡，包括人工神經網絡概述、人工神經網絡的基本模型、Hopfield網以及作者自己提齣的時態粗糙神經網絡；第四篇中主要介紹遺傳算法；包括遺傳算法基本概述、遺傳算法的基本問題、遺傳算法的基本理論以及利用作者改進的遺傳算法求解TSP問題。

內容提要

本書係統地介紹瞭現代軟計算方法的基本內容，力圖概括國內外的新研究成果，主要內容有模糊數學、粗糙集理論、神經網絡和遺傳算法的基本概念與計算方法。
　　本書可作為計算機科學、應用數學、信息科學和管理工程等專業的高年級學生及研究生的教材或教學參考書，也可供對現代軟計算理論與方法有興趣的讀者參考。

目錄

作者介紹

徐揚，1956年生於河南。博士，教授。博士生導師，國傢有突齣貢獻的中青年專傢。主要研究方嚮：邏輯代數、代數邏輯、不確定性推理和自動推理。先後承擔科技項目30餘項，在國內外雜誌和學術會議上獨立或閤作發錶學術論文500餘篇。在國內外閤作齣版著作8部。先後培養博士後9人、博士生46人、碩士生24人。

文摘

章　模糊集閤
　　1965年，美國加利福尼亞州立大學的計算機與控製論專傢紮德教授提齣瞭模糊集概念，創立瞭研究模糊性或不確定性問題的理論方法，迄今已成為一個較為完善的數學分支。模糊數學是現代數學中的一個新理論。它是研究和處理自然界與信息技術中廣泛存在的模糊現象的數學，它為信息科學的發展提供瞭強有力的數學工具。近50年來，模糊數學的理論和應用都取得瞭飛速的發展，已在人工智能、信息處理、模式識彆、自動控製、機器人、預測與決策技術、社會學、經濟學、心理學、管理學、教育學、運籌學等眾多領域得到瞭廣泛的應用。
　　1.1模糊性與隨機性
　　紮德在20世紀50年代從事工程控製論的研究，在非綫形濾波器的設計方麵取得瞭一係列重要成果，已被該領域廣泛引用。20世紀60年代初期，紮德轉而研究多目標決策問題，提齣瞭非劣解等重要概念。長期以來，圍繞決策、控製及其有關的一係列重要問題的研究，從應用傳統數學方法和現代電子計算機解決這類問題的成敗得失中，使紮德逐步意識到傳統數學方法的局限性。他指齣；“在人類知識領域裏，非模糊概念起主要作用的隻是古典數學”，“如果深入研究人類的認識過程，我們將發現人類能運用模糊概念是一個巨大的財富而不是包袱。這一點，是理解人類智能和機器智能之間深奧區彆的關鍵。”的概念可以用通常的集閤來描述。模糊概念應該用相應的模糊集閤來描述。紮德抓住這一點，首先在模糊集的定量描述上取得突破，奠定瞭模糊性理論及其應用的基礎。這一理論在某種程度上彌補瞭經典數學與統計數學的不足，迅速得到廣泛的重視。

序言

前言
篇模糊數學及其應用
章模糊集閤
1.1 模糊性與隨機性
1.1.1 模糊概念
1.1.2 模糊性與隨機性

1.2 模糊集及其運算
1.2.1 模糊子集定義
1.2.2 模糊子集的錶示
1.2.3 模糊子集間的運算

1.3 模糊集的截集及幾個重要的凸模糊子集
1.3.1 -截集
1.3.2 幾種重要的模糊子集
1.4 分解定理與擴張原理

1.5 模糊數及其運算
1.5.1 常用的模糊數
1.5.2 模糊數的算術運算

1.6 建立隸屬函數的方法
1.6.1 模糊統計法
1.6.2 構造隸屬函數方法
1.6.3 二元對比排序

第二章模糊關係
2.1 模糊嚮量
2.2 模糊關係
2.2.1 模糊關係
2.2.2 模糊關係的運算性質
2.2.3 模糊矩陣的截矩陣
2.2.4 模糊關係的轉置
2.2.5 模糊關係的閤成

2.3 模糊等價關係
2.3.1 模糊等價關係
2.3.2 模糊等價關係與聚類圖
2.3.3 傳遞閉包

2.4 模糊閤成規則
2.4.1 閤成推理規則
2.4.2 模糊蘊涵算子與模糊關係閤成算子
2.4.3 模糊條件推理的原則
2.4.4 模糊三段論
2.4.5 模糊推理方法的比較

第三章模糊綜閤評判
3.1 距離度量法
3.1.1 海明距離
3.1.2 加權海明距離
3.1.3 歐氏距離
3.1.4 閔科夫斯基距離
3.2 貼近度內外積法

3.3 模糊綜閤評判
3.3.1 模糊綜閤評判模型
3.3.2 實例

第四章不確定性推理方法簡介
4.1 概率推理
4.1.1 Bayes公式及主觀Bayes方法
4.1.2 證據的不確定性描述
4.1.3 基於主觀Bayes方法的不確定性推理
4.1.4 結論不確定性的閤成算法
4.2 貝葉斯網絡

4.3 模糊邏輯推理與可能性理論
4.3.1 模糊邏輯推理
4.3.2 模糊推理
4.3.3 可能性理論
參考文獻

第二篇 粗糙集及其應用
第五章 粗糙集的基本理論
5.1 粗糙集理論的發展概況
5.1.1 粗糙集概念提齣的背景
5.1.2 粗糙集理論及應用的研究現狀
5.1.3 粗糙集與其他軟計算方法相結閤的應用前景廣闊

5.2 粗糙集理論的基本概念
5.2.1 信息集
5.2.2 粗糙集
5.2.3 屬性約簡和屬性值約簡
5.2.4 屬性依賴
5.2.5 屬性約簡
5.2.6 屬性值約簡

5.3 知識的概念
5.3.1 知識的分類精度
5.3.2 知識約簡、核及知識的依賴性
5.3.3 相對約簡與相對核

5.4 知識的錶達係統
5.4.1 決策錶
5.4.2 決策規則
5.4.3 決策錶的約簡
5.4.4 相對於等價類的屬性重要性
5.4.5 極小規則和極大規則
5.4.6 連續屬性離散化

5.5 基於粗糙集的故障診斷方法
5.5.1 基於粗糙集的係統故障診斷基本原理
5.5.2 基於粗糙集電力變壓器故障診斷

第六章 粗糙集與數學形態學
6.1 形態學運算
6.1.1 基本概念
6.1.2 基本運算
6.2 基本數學形態學的灰度圖像處理

第七章 基於粗糙集的知識發現過程研究
7.1 廣義分布式錶和粗糙集係統t
7.1.1 規則的強度
7.1.2 優規則集的搜索算法
7.2 啓發式粗糙集方法
參考文獻

第三篇 人工神經網絡
第八章 概述
8.1 人工神經網絡的定義
8.2 人腦處理信息的機製
8.3 ANN的發展曆史
8.4 人工神經網絡的研究與應用
8.5 人工神經網絡的信息處理能力
8.5.1 神經網絡信息存貯能力
8.5.2 神經網絡的計算能力
8.6 人工神經網絡理論研究重大成果

第九章 人工神經網絡基本模型
9.1 M－P模型
9.1.1 M－P模型
9.1.2 常用的激勵函數
9.1.3 ANN的分類
9.1.4 ANN的學習方式

9.2 感知器模型
9.2.1 簡單感知器
9.2.2 單層感知機

9.3 多層前嚮神經網絡
9.3.1 多層前嚮神經網絡
9.3.2 多層前嚮神經網絡的BP算法

第十章 Hopfield網
10.1 Hopfield網的分類
10.1.1 離散型Hopfield網絡
10.1.2 連續Hopfield網絡

10.2 Hopfield網的工作方式
10.2.1 串行(異步)方式
10.2.2 並行(同步)方式
10.3 Hopfield網的穩定性
第十一章 時態粗糙神經網絡
參考文獻

第四篇 遺傳算法
第十二章 遺傳算法概論
第十三章 遺傳算法基本問題
第十四章 遺傳算法基本理論
第十五章 利用改進遺傳算法求解TSP問題
參考文獻
附錄 基於改進遺傳算法求解TSP問題源程序