1 绪论
1．1 智能岩土力学产生的背景
1．1．1 岩土工程面临的新形势
1．1．2 以固体力学为基础发展起来的岩土力学面临的困难
1．1．3 人工智能的作用
1．1．4 思维方式的转变
1．2 智能科学的若干基本理论
1．3 人工智能技术在岩土工程中的应用

2 群智能仿生优化算法
2．1 模拟退火算法基本理论
2．1．1 模拟退火算法简介
2．1．2 模拟退火算法实现
2．2 遗传算法
2．2．1 遗传算法的基本思想
2．2．2 遗传算法的优越性
2．2．3 遗传算法的实现
2．2．4 基本遗传算法
2．2．5 改进的遗传算法
2．3 粒子群优化算法
2．3．1 粒子群优化算法原理
2．3．2 基于SA和PSOA的函数测试
2．4 粒子群-模拟退火混合优化算法
2．4．1 标准粒子群优化算法的改进研究现状
2．4．2 粒子群-模拟退火混合优化算法的串行设计
2．5 免疫克隆选择算法
2．6 群智能的优势及粒子群优化算法特点

3 人工神经网络算法
3．1 概论
3．1．1 神经元的一般模型
3．1．2 人工神经网络的特点
3．1．3 人工神经网络的学习方法
3．1．4 人工神经网络存在的主要问题
3．2 BP神经网络算法
3．3 PSO-BP神经网络耦合算法
3．4 工程应用实例——隧道钻爆施工光面爆破参数的最优化
3．4．1 光面爆破参数优化的数学模型
3．4．2 光面爆破参数优化数学模型的求解方法
3．4．3 基于PSO-BP神经网络耦合算法的佛岭隧道光面爆破参数优化
3．4．4 BP神经网络训练样本的获取
3．4．5 隧道光面爆破输入与输出参数PSO-BP智能映射模型的建立——网络训练
3．4．6 基于PSO-BP神经网络耦合算法的隧道光面爆破参数优化——模型求解
3．4．7 基于PSO-BP神经网络耦合算法的隧道光面爆破参数优化——工程算例

4 支持向量机算法及其在岩土工程领域的应用
4．1 支持向量机产生的背景
4．2 机器学习的基本问题和方法
4．2．1 机器学习问题
4．2．2 统计学习理论
4．3 支持向量机算法理论
4．3．1 支持向量分类算法
4．3．2 支持向量回归算法
……
5 高斯过程算法及其在岩土工程中的应用
6 人工智能技术在岩土工程中的综合应用——公路隧道施工智能辅助决策系统的开发
参考文献