《仿生智能计算》在对仿生智能计算的基本概念、类型及发展情况进行阐述的基础上，从马尔可夫链、离散参数鞅、随机逼近等角度给出了仿生智能计算的数学基础，随后对目前几种典型的仿生智能计算方法从原理、收敛性分析、应用实例等角度分别做了阐述，这些算法主要包括、遗传算法、蚁群算法、微粒群算法、免疫算法、神经网络、DNA计算及心脑计算等，并简要介绍了这些仿生智能计算方法的仿生硬件实现技术，最后对仿生智能计算的不同方法做了比较，并探讨了今后的发展方向。《仿生智能计算》最后还给出了测试仿生智能计算方法的典型问题、相关网站资源及《仿生智能计算》中出现的基本术语及缩略语。

序
前言
第1章 绪论
1.1 引言
1.2 最优化、NP-hard问题及算法复杂度
1.2.1 最优化问题
1.2.2 NP-hard问题
1.2.3 算法复杂度
1.3 仿生智能计算方法
1.4 仿生智能计算方法的共同点
1.5 本书体系结构
1.6 本章 小结
参考文献

第2章 数学基础
2.1 引言
2.2 Markov链理论
2.2.1 定义及其等价性质
2.2.2 齐次Markov链及状态类
2.2.3 Markovr链的极限分布
2.3 鞅与鞅列
2.4 模式定理
2.4.1 模式
2.4.2 模式定理的证明
2.5 本章 小结
参考文献

第3章 蚁群算法
3.1 引言
3.2 起源和进展
3.2.1 蚁群行为描述
3.2.2 蚁群优化的机制原理
3.2.3 研究进展
3.3 系统学特征
3.4 数学模型
3.4.1 TSP
3.4.2 算法流程
3.5 理论分析
3.6 应用实例
3.7 本章 小结
参考文献

第4章 微粒群算法
4.1 引言
4.2 起源和进展
4.3 基本原理
4.3.1 基本思想
4.3.2 算法流程
4.3.3 社会行为分析
4.4 数学模型
4.4.1 全局模型与局部模型
4.4.2 标准的算法模型
4.4.3 引入收缩因子的算法模型
4.4.4 邻域结构
4.5 理论分析
4.6 应用实例
4.6.1 图像匹配
4.6.2 控制参数整定
4.7 本章 小结
参考文献

第5章 人工蜂群算法
5.1 引言
5.2 起源和进展
5.3 基本原理
5.4 数学模型
5.5 理论分析
5.6 应用实例
5.6.1 函数极值优化
5.6.2 目标识别
5.7 本章 小结
参考文献

第6章 微分进化算法
6.1 引言
6.2 起源和进展
6.3 原理与模型
6.3.1 数学模型
6.3.2 参数设置
6.3.3 算法流程
6.3.4 算法扩展模式
6.4 理论分析
6.4.1 Markov链模型
6.4.2 收敛性分析
6.5 应用实例
6.5.1 TSP问题
6.5.2 无人机航路规划
6.6 本章 小结
参考文献

第7章 Memetic算法
7.1 引言
7.2 起源和进展
7.3 基本原理
7.3.1 meme理论
7.3.2 算法流程
7.3.3 结构分析
7.3.4 主要特点
7.4 理论分析
7.4.1 局部搜索上限问题讨论
7.4.2 收敛性分析
7.5 应用实例
7.5.1 移动机器人路径规划
7.5.2 高维函数优化
7.6 本章 小结
参考文献

第8章 文化算法
8.1 引言
8.2 起源与进展
8.3 基本原理
8.4 数学模型
8.4.1 种群空间
8.4.2 信度空间
8.4.3 接受函数
8.4.4 影响函数
8.5 应用实例
8.6 本章 小结
参考文献

第9章 人工免疫算法
9.1 引言
9.2 起源和进展
9.3 生物免疫系统
9.3.1 基本概念
9.3.2 组成和功能
9.3.3 基本原理
9.3.4 计算能力
9.4 原理与模型
9.4.1 算法原理
9.4.2 主要算子
9.4.3 算法流程
9.5 理论分析
……

第10章 DNA计算
第11章 仿生硬件
第12章 研究前沿与展望
附录