图书介绍

软计算【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

D.K.Pratihar著；王攀，冯帅，张坚坚译著
出版社：北京：科学出版社
ISBN：9787030231079
出版时间：2009
标注页数：194页
文件大小：26MB
文件页数：212页
主题词：电子计算机－计算方法

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：3afc552fed19b401f05d9456cc52ff16

下载说明

软计算PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章绪论1

1.1 硬计算1

1.1.1 硬计算的特征1

1.2 软计算2

1.2.1 软计算的概念2

1.2.2 软计算的特征2

1.3 混合计算3

1.4 总结3

1.5 练习4

第2章优化与一些传统方法5

2.1 优化引论5

2.1.1 一个实际例子6

2.1.2 优化问题的分类7

2.1.3 优化的原理8

2.1.4 对偶原理9

2.2 传统优化方法10

2.2.1 穷举法10

2.2.2 随机步法15

2.2.3 最速下降法18

2.2.4 传统优化方法的不足20

2.3 总结21

2.4 练习21

第3章遗传算法介绍22

3.1 遗传算法的工作流程22

3.2 二进制编码GA23

3.2.1 交叉和变异30

3.2.2 一个手工计算30

3.2.3 GA的基本定理／模式定理31

3.2.4 二进制编码GA的局限性33

3.3 GA参数设置34

3.4 GA中的约束处理36

3.4.1 惩罚函数方法36

3.5 遗传算法的优缺点38

3.6 总结38

3.7 练习39

第4章几种专门化的遗传算法42

4.1 实值编码GA42

4.1.1 交叉算子42

4.1.2 变异算子45

4.2 微-GA46

4.3 可视化交互式GA47

4.3.1 映射方法47

4.3.2 仿真结果50

4.3.3 VIGA的工作原理52

4.4 调度GA52

4.4.1 边缘重组54

4.4.2 序交叉#155

4.4.3 序交叉#256

4.4.4 循环交叉56

4.4.5 基于位置的交叉57

4.4.6 部分映射交叉58

4.5 总结59

4.6 练习59

第5章模糊集引论62

5.1 精确集62

5.1.1 集合论中的符号62

5.1.2 精确集的运算63

5.1.3 精确集的性质64

5.2 模糊集65

5.2.1 模糊集的表示66

5.2.2 精确集与模糊集之间的差异70

5.2.3 模糊集中的一些定义70

5.2.4 模糊集中的一些标准运算72

5.2.5 模糊集的性质77

5.3 总结78

5.4 练习79

第6章模糊推理与聚类80

6.1 引言80

6.2 模糊逻辑控制器80

6.2.1 两个主要的模糊逻辑控制器81

6.2.2 层次模糊逻辑控制器92

6.2.3 灵敏度分析93

6.2.4 模糊逻辑控制器的优缺点94

6.3 模糊聚类94

6.3.1 模糊C-均值聚类94

6.3.2 基于熵的模糊聚类99

6.4 总结102

6.5 练习102

第7章神经网络基础105

7.1 引言105

7.1.1 生物神经元105

7.1.2 人工神经元105

7.1.3 单层神经元107

7.1.4 多层神经元109

7.2 静态和动态神经网络的比较110

7.3 神经网络的训练111

7.3.1 有监督学习111

7.3.2 无监督学习111

7.4 总结112

7.5 练习112

第8章几个神经网络的例子113

8.1 引言113

8.2 多层前馈神经网络113

8.2.1 前向计算114

8.2.2 采用反向传播算法的网络训练116

8.2.3 设计一个合适的NN应遵循的步骤119

8.2.4 优缺点120

8.2.5 一个数值例子120

8.3 径向基函数网络123

8.3.1 前向计算125

8.3.2 采用反向传播算法的RBFN的调节126

8.4 自组织映射129

8.4.1 竞争130

8.4.2 合作130

8.4.3 更新131

8.4.4 最终映射131

8.4.5 仿真结果131

8.5 递归神经网络132

8.5.1 Elman网络132

8.5.2 Jordan网络133

8.5.3 组合的Elman和Jordan网络134

8.6 总结134

8.7 练习135

第9章组合遗传算法-模糊逻辑137

9.1 引言137

9.2 模糊-遗传算法137

9.3 遗传-模糊系统140

9.3.1 文献简要回顾140

9.3.2 遗传-模糊系统的工作原理143

9.4 总结149

9.5 练习149

第10章组合遗传算法-神经网络151

10.1 引言151

10.2 遗传-神经系统的工作原理152

10.2.1 前向计算153

10.2.2 手算实例155

10.3 总结157

10.4 练习158

第11章组合神经网络-模糊逻辑159

11.1 引言159

11.2 基于Mamdani方法的神经模糊系统159

11.2.1 采用反向传播算法对神经-模糊系统的调节164

11.2.2 采用遗传算法对神经-模糊系统的调节165

11.2.3 一个数值例子166

11.3 基于Takagi-Sugeno方法的神经模糊系统170

11.3.1 采用遗传算法对ANFIS的调节173

11.3.2 一个数值例子174

11.4 总结177

11.5 练习177

参考文献179

附录软计算中的两个问题的讨论188

一、方法集成与软计算方法集成188

二、关于软计算与仿生计算193