本书对计算机人工智能领域的主要计算智能算法进行探讨，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用，内容包括绪论、人工神经网络、模糊系统、人工智能遗传算法、蚁群优化算法、粒子群算法、模拟退火算法、禁忌搜索算法、人工智能免疫系统和数据降维的粗集处理方法，以及目前的热门研究和应用领域之一——深度学习。本书通俗易懂，图文并茂，通过大量的图表和示例，对各个算法进行了说明和介绍。本书不但提供了算法实现的流程图和伪代码，而且通过具体的应用事例对算法的使用方法和使用过程进行了说明，为读者进一步深入学习和理解算法提供了方便。 本书适合作为计算机、人工智能、模式识别与智能系统、信息工程等专业本科生和研究生相关课程的教材，也可作为广大算法研究者和工程技术人员进一步学习的参考书和工具书，同时还能满足计算智能算法初学者的基本需求。

第1章 绪论
1.1 基本概念
1.2 计算智能的研究内容
1.2.1 人工神经网络
1.2.2 进化计算
1.2.3 群集智能
1.2.4 模糊系统
1.2.5 随机搜索算法
1.2.6 人工免疫系统
1.3 计算智能的发展历史、应用领域和发展趋势
习题1
第2章 人工神经网络
2.1 人工神经网络概述
2.2 神经网络基本概念
2.2.1 生物神经元与神经网络
2.2.2 人工神经元
2.2.3 神经网络的训练
2.2.4 人工神经网络的分类
2.3 前馈神经网络
2.3.1 感知器神经网络
2.3.2 线性神经网络
2.3.3 BP神经网络
2.3.4 径向基神经网络
2.4 竞争神经网络
2.4.1 基本的竞争神经网络
2.4.2 汉明竞争神经网络
2.4.3 自组织特征映射神经网络
2.5 反馈型神经网络
2.5.1 Elman神经网络
2.5.2 全反馈型Hopfield神经网络
2.6 对传神经网络
2.7 玻尔兹曼机神经网络
2.8 神经网络的应用
习题2
第3章 模糊系统
3.1 模糊集
3.1.1 模糊集的定义
3.1.2 模糊集中的概念和性质
3.1.3 隶属函数的确定
3.1.4 模糊集的运算
3.1.5 模糊集的扩展原理
3.2 模糊关系与模糊矩阵
3.2.1 模糊关系的定义
3.2.2 模糊关系隶属函数的确定
3.2.3 模糊关系
3.2.4 模糊关系的运算
3.2.5 模糊关系的特性
3.3 模糊分类
3.3.1 两个模糊集间的距离
3.3.2 两个模糊集间的贴近度
3.3.3 模糊集归类
3.4 模糊聚类分析
3.4.1 基于模糊等价关系的聚类分析法
3.4.2 基于模糊相似关系的聚类分析法
3.4.3 模糊K-均值算法
3.4.4 模糊ISODATA算法
3.5 模糊逻辑和模糊推理
3.6 模糊推理应用系统
3.7 基于模糊神经网络的节水灌溉模型
习题3
第4章 人工智能遗传算法
4.1 人工智能遗传算法的基本概念
4.2 遗传算法的构成要素
4.3 分组选优交叉与概率接受差解模拟退火遗传算法
4.4 遗传算法的应用
4.4.1 遗传算法用于解聚类问题
4.4.2 遗传算法用于解TSP问题
习题4
第5章 蚁群优化算法
5.1 蚁群优化算法的起源
5.2 蚂蚁系统的模型与实现
5.3 蚁群优化算法的应用
5.3.1 用蚁群优化算法解聚类问题
5.3.2 用蚁群优化算法解TSP问题
习题5
第6章 粒子群算法
6.1 粒子群算法的原理描述
6.2 粒子群算法的应用
6.2.1 粒子群算法实现聚类分析
6.2.2 粒子群算法求解TSP问题
6.2.3 自适应权重粒子群优化SVM参数
习题6
第7章 模拟退火算法
7.1 模拟退火算法的描述
7.1.1 模拟退火算法及其模型
7.1.2 模拟退火算法关键参数和操作设计
7.2 用模拟退火算法求解给定类数为k的聚类问题
7.3 用模拟退火算法优化粒子群算法
习题7
第8章 禁忌搜索算法
8.1 禁忌搜索算法的描述
8.2 禁忌搜索算法的应用
8.3 禁忌搜索算法设计的要点
习题8
第9章 人工智能免疫系统
9.1 免疫的基本概念与特点
9.2 基本人工免疫模型和度量
9.3 免疫算法
9.4 免疫算法的应用
习题9
第10章 数据降维的粗集处理方法
10.1 信息系统和决策系统
10.1.1 信息系统
10.1.2 决策系统
10.2 粗集的基本概念
10.2.1 基本概念
10.2.2 与约简相关的概念
10.2.3 粗集的基本性质
10.2.4 属性子集的依赖性
10.3 完备信息系统的属性约简
10.3.1 分辨矩阵约简法
10.3.2 基于依赖度的完备决策表约简方法
10.3.3 基于信息熵的完备决策表约简方法
10.3.4 基于粗糙集的分类器设计
10.4 不完备信息系统的粗集模型
10.5 不完备信息系统的属性约简
10.5.1 利用分辨矩阵和分辨函数进行约简
10.5.2 利用属性重要度进行约简
10.6 极大相容类下多粒度粗集模型
10.6.1 一组相关概念的定义
10.6.2 性质和关系
10.6.3 多粒度模型下近似集的计算算法
10.6.4 多粒度模型下的约简算法
习题10
第11章 深度学习
11.1 深度学习简介
11.2 深度学习的主要模型
11.3 深度学习算法
11.4 深度学习的未来
习题11
附录 实验指导
实验1 手写体英文字母识别的神经网络算法设计与实现
实验2 模糊系统的算法设计与实现
实验3 TSP问题的遗传算法求解
参考文献