•基礎理論篇系統(tǒng)闡述軟計算基礎理論、基本方法和成熟技術；綜合應用篇著眼軟計算在工程應用中復雜問題的求解，借以體現(xiàn)軟計算的組合使用能力

•將軟計算技術與人工智能技術統(tǒng)一在一個大的框架內(nèi)

•知識點環(huán)環(huán)相扣，形成循序漸進的知識鏈，精選相應實例和專題，以便讀者加深理解

•每章都附有習題，供讀者練習與延拓

•既可作為高年級本科生、研究生教材，又可作為科研和工程技術人員參考資料

多年來，傳統(tǒng)的優(yōu)化方法和技術已經(jīng)成功地應用于求解一類具有清晰定義結構/行為的系統(tǒng)，有時稱為“硬”系統(tǒng)（Hard System）。一般地，稱此類優(yōu)化方法為確定型或清晰型優(yōu)化方法。清晰型優(yōu)化方法的基礎是清晰的數(shù)字模型和精確的數(shù)學方法。然而，由于社會、生產(chǎn)和經(jīng)濟系統(tǒng)中常常存在多種形式的非確定性信息，如事件發(fā)生的隨機性、數(shù)據(jù)的非精確性、語言的含糊性等，這些非確定性信息常來源于多種方式，其中包括測量誤差、缺乏足夠的歷史/統(tǒng)計數(shù)據(jù)、缺乏足夠可用的理論來描述和支持、知識表達的方式、人類的主觀性判斷或偏好等。這些形式的非確定性可以歸類為兩種類型，即隨機非確定性（Stochastic Uncertainty）和模糊非確定性（Fuzzy Uncertainty）。隨機非確定性的特點是信息的描述是清晰的，但非確定性以頻率形式表現(xiàn)出來，這類系統(tǒng)常稱為隨機（非確定性）系統(tǒng)，常用基于概率理論的隨機優(yōu)化方法求解。

實際上，決策者并不認為通常的概率分布是正確的，對于一些非精確情形，特別是沒有清晰界限（Sharp）的信息，與人類語言/行為相關的信息，或者由于受人類知識和認識所限而難以表達和清晰定義的信息等，這種非確定性信息統(tǒng)稱為模糊性信息。具有模糊性信息的系統(tǒng)稱為模糊系統(tǒng)，有時也稱“軟”系統(tǒng)（Soft-System）。這類系統(tǒng)的特點是，系統(tǒng)的行為/結構沒有清晰的界定，系統(tǒng)的信息反映了人類的主觀屬性（Subjective Nature）和非精確性（Imprecision）。基于精確數(shù)學理論的優(yōu)化方法和基于概率理論的隨機優(yōu)化方法都不能準確地描述這類系統(tǒng)的行為和特性，因而也不能有效地求解這類系統(tǒng)。起源于50年代并很快得到發(fā)展的計算智能，提供了處理這類軟系統(tǒng)的建模和優(yōu)化的有效方法和技術。基于計算智能的建模和優(yōu)化方法稱為軟計算方法和智能優(yōu)化方法。

多年來，隨處可見關于智能優(yōu)化方法的書籍，但是系統(tǒng)闡述軟計算，特別是關于軟計算與智能優(yōu)化方法的書籍卻不多見。軟計算是混合的智能化計算方法，實際上它是不以精確解為目標的快速搜索較好解的計算方法，軟計算是利用不精確性、不確定性和部分真方法的一個聚合體，它們結合起來比單獨使用效果更好。用此方法得到的結果具有易處理性、魯棒性與現(xiàn)實相一致性。軟計算不是單一方法，而是具有合作關系的多種方法的集成。這些方法主要包括模糊計算、進化計算、神經(jīng)計算、粗糙集方法、支持向量機方法、人工免疫算法、量子計算、蟻群算法等，它們是相互補充而不是相互競爭的。本書正是為滿足讀者系統(tǒng)了解軟計算及與智能優(yōu)化方法關系這一需求而編寫的。

目前，許多學校正在對傳統(tǒng)的教學內(nèi)容進行改革，自動化、電子信息、測控技術與儀表、電氣工程、系統(tǒng)工程、機電工程等專業(yè)迫切需要較多與信息相關的知識。由于這些專業(yè)的學生在本科階段已較為扎實地掌握了人工智能的知識，在研究生階段的著力點已轉入人工智能理論與技術的綜合應用。如何將人工智能的理論與技術在一個大的框架內(nèi)以統(tǒng)一的視角用于解決工程實際問題，是本書著力的方向。

本教材是為電子信息及相關專業(yè)編寫的。作為一門技術基礎課，它以人工智能課程為先修課。既要學時少，又要讓學生對軟計算原理及其工程應用建立較全面的印象，同時還應該使學生學有所用，并為今后的發(fā)展打下基礎，這是本書編寫的指導思想。編者力求使本書避免與先修課程內(nèi)容的重復，對本書必不可少的相關知識只做簡單介紹。

本書闡述了軟計算基本概念及與人工智能的關系，深入而系統(tǒng)地討論了軟計算的幾個重要研究分支：模糊計算、神經(jīng)計算、進化計算、集群計算、量子計算、自然計算等。在此基礎上，介紹了將其綜合應用于數(shù)據(jù)挖掘、工程規(guī)劃、醫(yī)學圖像配準、故障診斷、系統(tǒng)辨識等領域的一些富有挑戰(zhàn)性的研究課題及相應研究成果。

全書分為兩篇，上篇為基礎理論篇，下篇為綜合應用篇。

上篇基礎理論篇，共分7章，各章內(nèi)容安排如下：

第1章 軟計算概述。闡述軟計算基本概念，剖析軟計算與人工智能的關系，揭示軟計算方法的廣義模糊認知哲學基礎。

第2章 模糊計算。就模糊集合、模糊關系、模糊推理的基本概念、基本原理和基本方法進行討論，并給出模糊計算在工程技術中3個方面的應用實例，最后簡要介紹粗糙集方法。

第3章 神經(jīng)計算。闡述神經(jīng)網(wǎng)絡基本概念，討論神經(jīng)網(wǎng)絡類型和神經(jīng)網(wǎng)絡學習算法，重點介紹幾種典型的神經(jīng)網(wǎng)絡，給出神經(jīng)計算在工程技術中的2個應用實例。

第4章 進化計算。闡述遺傳算法基本概念，簡要介紹進化策略和進化編程，給出進化計算在工程技術中的3個應用實例。

第5章 免疫計算。就人工免疫系統(tǒng)的生物學原理進行闡述，其中包括生物免疫學的發(fā)展、生物免疫系統(tǒng)、生物免疫原理、生物免疫系統(tǒng)對人工免疫系統(tǒng)研究的啟示等內(nèi)容，進而引出人工免疫概念，并討論幾種典型的人工免疫算法。

第6章 自然計算。介紹自然計算產(chǎn)生的背景；闡述自然計算的基本概念及主要研究領域；論述自然計算的基本特征；論述由自然啟發(fā)獲得自然計算模型的映射方法并構造自然計算系統(tǒng)的計算算法；對協(xié)同進化計算進行自然計算理念求證。最后，描述自然計算研究整體框架。

第7章 其他軟計算方法。闡述群集智能基本概念，重點介紹其中的蟻群算法和粒子群算法，并將集群智能與其他計算智能進行比較；論述量子計算的基本概念、基本原理和基本方法，最后簡要介紹支持向量機理論。

下篇綜合應用篇，共分4章，各章內(nèi)容安排如下：

第8章 模糊計算在復雜工業(yè)系統(tǒng)中的應用。以綜合實例說明如何實現(xiàn)模糊計算在復雜工業(yè)系統(tǒng)中的應用，研究基于遺傳算法的第二類模糊非線性規(guī)劃問題求解、基于遺傳算法的動態(tài)模糊聚類、模糊計算在洗衣機控制系統(tǒng)中的應用3個方面的問題。

第9章 遺傳算法在醫(yī)學圖像配準中的應用。闡述醫(yī)學圖像配準的原理與方法；深入研究基于互信息的醫(yī)學圖像配準方法；詳細分析局部極值的成因，提出采用降低圖像灰度級的方法來抑制局部極值方法，并對該方法對配準速度和精度所產(chǎn)生的影響做詳細的分析；針對Powell算法容易陷入局部極值，導致誤配準的問題，引入基于實數(shù)編碼的自適應遺傳算法。采用兩種算法相結合的混合優(yōu)化算法，對三維多模態(tài)醫(yī)學圖像進行仿真實驗。

第10章 人工免疫在故障診斷中的應用。研究基于免疫系統(tǒng)否定選擇機理的設備異常檢測方法，在對免疫系統(tǒng)否定選擇機理及已有檢測器算法進行分析的基礎上，結合設備異常檢測的實際需要，提出改進型否定選擇算法，并將該改進后的算法用于變壓器的故障診斷。實驗結果與傳統(tǒng)“三比值”法比較證明算法的有效性；借鑒免疫系統(tǒng)的克隆變異機理及已有的人工免疫系統(tǒng)成果，結合故障診斷的實際需要，研究具有故障診斷能力，同時又具有對故障樣本的連續(xù)學習功能的故障診斷方法。實現(xiàn)故障診斷系統(tǒng)在對新的故障樣本學習的過程中，保持已學知識。通過對標準樣本的分類識別及實際的故障診斷實例驗證所提出方法的有效性。

第11章 自然計算在系統(tǒng)辨識中的應用。論述自然計算系統(tǒng)整體框架和自然計算系統(tǒng)中的辨識機制，構造辨識系統(tǒng)的兩種典型框架——RFG框架和NFG框架；討論模糊優(yōu)化基本術語及性質和傳統(tǒng)模糊優(yōu)化問題；研究回歸方程和神經(jīng)網(wǎng)絡的結構辨識和參數(shù)辨識問題，構造回歸方程和神經(jīng)網(wǎng)絡參數(shù)辨識的效用函數(shù)（目標函數(shù)）及用最大效用法進行參數(shù)辨識的模糊優(yōu)化模型，并對模糊優(yōu)化問題的遺傳算法求解進行深入探討；對基于RFG框架的系統(tǒng)辨識問題進行描述，說明回歸模型辨識算法的基本策略，構造該算法的主要步驟和方法，給出其在飛邊尺寸設計準則辨識中的應用實例；對基于NFG框架的系統(tǒng)辨識問題進行描述，說明神經(jīng)網(wǎng)絡模型辨識算法的基本策略，構造該算法的主要步驟和方法，給出其在飛邊金屬消耗設計準則辨識中的應用實例。對這兩種辨識算法分別進行分析比較，實驗驗證它們的有效性。

本書可作為高等院校自動化、電子信息、測控技術與儀表、電氣工程、系統(tǒng)工程、機電工程等專業(yè)的本科生和研究生教材，也可作為相關專業(yè)工程技術人員的自學參考書。

本書編者從事自動化專業(yè)的教學與科研10多年，積累了豐富的教學經(jīng)驗和可供參考的科研成果，對于本書的成功編寫無疑將起到關鍵作用。

在本書編寫過程中，得到了魯蓉蓉老師的鼎立支持，研究生張偉剛、李曉光、李偉雄、趙削劍、宋彩霞的大力幫助，在此表示衷心的感謝！

由于作者水平有限，本書中不妥之處在所難免，懇請讀者批評指正。

目 錄
前言
上篇 基礎理論篇

第1章 軟計算概述 1
1.1 軟計算基本概念 1
1.2 軟計算與人工智能的關系 2
1.2.1 從傳統(tǒng)人工智能到計算智能 2
1.2.2 軟計算對計算智能的意義 3
1.3 軟計算方法的廣義模糊認知哲學基礎 4
1.4 小結 8
習題1 8
第2章 模糊計算 9
2.1 模糊集合 9
2.1.1 模糊集合概念 9
2.1.2 隸屬函數(shù) 10
2.1.3 模糊集合運算 11
2.1.4 模糊集合與普通集合的關系 11
2.2 模糊關系 12
2.2.1 模糊關系基本概念 12
2.2.2 模糊關系合成 13
2.2.3 模糊變換 13
2.3 模糊推理 13
2.3.1 模糊語言與語言變量 13
2.3.2 模糊命題與模糊條件語句 14
2.3.3 模糊推理 16
2.4 模糊計算在工程技術中的應用實例 17
2.4.1 模糊控制系統(tǒng)的原理與設計過程 17
2.4.2 模糊控制在電飯鍋中的應用 18
2.4.3 模糊優(yōu)化研究進展 21
2.5 粗糙集方法簡介 22
2.6 小結 25
習題2 25
第3章 神經(jīng)計算 27
3.1 神經(jīng)網(wǎng)絡基本概念 27
3.2 神經(jīng)網(wǎng)絡類型 28
3.3 神經(jīng)網(wǎng)絡學習算法 31
3.4 幾種典型的神經(jīng)網(wǎng)絡 32
3.4.1 生物神經(jīng)元模型 32
3.4.2 人工神經(jīng)元模型 33
3.4.3 BP網(wǎng)絡 34
3.4.4 Hopfield網(wǎng)絡 38
3.5 神經(jīng)計算在工程技術中的應用實例 41
3.5.1 神經(jīng)網(wǎng)絡控制的結構 41
3.5.2 神經(jīng)控制在復雜系統(tǒng)中的應用 42
3.6 小結 44
習題3 44
第4章 進化計算 46
4.1 遺傳算法 46
4.1.1 遺傳算法基礎理論 46
4.1.2 遺傳算法研究進展 49
4.2 進化策略簡介 51
4.3 進化編程簡介 52
4.4 進化計算在工程技術中的應用實例 54
4.4.1 組織協(xié)同進化分類算法 54
4.4.2 AGAFCM算法 55
4.4.3 遺傳算法在模糊控制中的應用 57
4.5 小結 59
習題4 60
第5章 免疫計算 61
5.1 人工免疫系統(tǒng)的生物學原理 61
5.1.1 生物免疫學的發(fā)展 61
5.1.2 生物免疫系統(tǒng)概述 62
5.1.3 生物免疫原理 63
5.1.4 生物免疫系統(tǒng)對人工免疫系統(tǒng)研究
的啟示 66
5.2 人工免疫算法 67
5.2.1 從生物免疫系統(tǒng)到人工免疫系統(tǒng) 67
5.2.2 典型的人工免疫算法 67
5.3 小結 72
習題5 78
第6章 自然計算 79
6.1 自然計算產(chǎn)生背景 79
6.1.1 生物系統(tǒng) 79
6.1.2 生態(tài)系統(tǒng) 81
6.2 自然計算相關概念 82
6.2.1 基本概念 82
6.2.2 主要研究領域 82
6.3 自然計算基本特征 84
6.3.1 從人工智能到自然計算 84
6.3.2 自然計算的新特征 86
6.4 自然計算算法原理 89
6.4.1 自然計算映射模型 89
6.4.2 自然計算算法 90
6.5 協(xié)同進化計算的自然計算理念求證 91
6.5.1 協(xié)同進化的生物學基礎 92
6.5.2 協(xié)同進化的動力學描述 95
6.6 自然計算研究整體框架 97
6.7 小結 97
習題6 98
第7章 其他軟計算方法 99
7.1 群集智能 99
7.1.1 蟻群算法 99
7.1.2 粒子群算法 102
7.1.3 集群智能與其他計算智能的比較 103
7.2 量子計算 104
7.3 支持向量機 107
7.4 小結 108
習題7 108

下篇 綜合應用篇

第8章 模糊計算在復雜工業(yè)系統(tǒng)中的應用 109
8.1 基于遺傳算法的第二類模糊非線性
規(guī)劃問題求解 109
8.1.1 第二類模糊非線性規(guī)劃問題描述 109
8.1.2 FRNLP模型的常規(guī)容差法最優(yōu)
模糊判決及求解 109
8.1.3 FRNLP模型的滿意解和精確最優(yōu)解 111
8.1.4 遺傳算法在非線性規(guī)劃上的運用 111
8.1.5 實驗仿真 112
8.1.6 結論 112
8.2 基于遺傳算法的動態(tài)模糊聚類 112
8.2.1 模糊聚類基本概念 112
8.2.2 將遺傳算法用于迭代優(yōu)化映射
平面的坐標 114
8.2.3 實驗仿真 115
8.2.4 結論 118
8.3 模糊計算在洗衣機控制系統(tǒng)中的應用 118
8.3.1 模糊神經(jīng)控制的知識基礎 119
8.3.2 基于模糊神經(jīng)網(wǎng)絡的洗衣機控制
系統(tǒng)的設計 124
8.3.3 洗衣機模糊神經(jīng)控制系統(tǒng)的實現(xiàn) 132
8.3.4 結論 136
8.4 小結 137
習題8 137
第9章 遺傳算法在醫(yī)學圖像配準中的應用 138
9.1 醫(yī)學圖像配準研究背景 138
9.1.1 醫(yī)學圖像配準的意義 138
9.1.2 醫(yī)學圖像配準技術的發(fā)展歷史 138
9.1.3 醫(yī)學圖像配準技術在臨床上的應用 139
9.1.4 醫(yī)學圖像配準技術存在的問題 139
9.2 醫(yī)學圖像配準技術綜述 139
9.2.1 圖像配準的基本原理及概念 139
9.2.2 圖像配準方法的分類 140
9.2.3 圖像配準的主要過程 141
9.2.4 主要的醫(yī)學圖像配準方法 143
9.2.5 配準的評估 146
9.3 基于互信息的醫(yī)學圖像配準 146
9.3.1 基本概念 147
9.3.2 互信息配準的基本步驟 148
9.4 互信息局部極值的成因及抑制方法 155
9.4.1 互信息函數(shù)局部極值成因分析 155
9.4.2 基于壓縮圖像灰度級對局部極值
的抑制 157
9.4.3 配準實驗 163
9.4.4 算法可靠性分析 166
9.5 互信息最優(yōu)化搜索算法 167
9.5.1 基本遺傳算法 167
9.5.2 改進遺傳算法 169
9.5.3 實數(shù)編碼自適應遺傳算法配準實驗 171
9.5.4 混合優(yōu)化算法 173
9.6 小結 174
習題9 175
第10章 人工免疫在故障診斷中的應用 176
10.1 課題研究背景 176
10.1.1 研究目的及意義 176
10.1.2 人工免疫系統(tǒng)概述 176
10.1.3 故障診斷方法綜述 178
10.2 基于否定選擇算法的故障診斷方法 180
10.2.1 基于aiNet故障樣本約減研究 181
10.2.2 基于否定選擇算法的變壓器
故障診斷方法 185
10.3 基于克隆變異機理的故障診斷
方法研究 190
10.3.1 免疫克隆變異機理與克隆
選擇算法 191
10.3.2 故障診斷方法研究 191
10.4 小結 196
習題10 197
第11章 自然計算在系統(tǒng)辨識中的應用 198
11.1 課題研究背景 198
11.1.1 自然計算概念提出的背景 198
11.1.2 模糊優(yōu)化研究進展及現(xiàn)狀 199
11.1.3 遺傳算法研究進展及現(xiàn)狀 200
11.1.4 基于遺傳算法的模糊優(yōu)化在系統(tǒng)
辨識中的應用 201
11.2 自然啟發(fā)的系統(tǒng)辨識 202
11.2.1 系統(tǒng)辨識基本性質 202
11.2.2 經(jīng)典系統(tǒng)辨識 203
11.2.3 現(xiàn)代系統(tǒng)辨識 204
11.2.4 基于自然計算的系統(tǒng)辨識 215
11.2.5 RFG框架與NFG框架特點分析 220
11.3 系統(tǒng)辨識中的模糊優(yōu)化 222
11.3.1 模糊優(yōu)化相關概念 222
11.3.2 傳統(tǒng)模糊優(yōu)化問題 226
11.3.3 系統(tǒng)辨識中的模糊優(yōu)化問題 232
11.4 模糊優(yōu)化問題的遺傳算法求解 238
11.4.1 基于正交設計的初始化方法 238
11.4.2 遺傳參數(shù)適應性調(diào)整 240
11.4.3 沿加權梯度方向的變異及其權值
的自適應調(diào)整 242
11.4.4 遺傳算法的改進策略 244
11.4.5 基于遺傳算法的模糊優(yōu)化求解的
有效性 244
11.5 基于自然計算的系統(tǒng)辨識實現(xiàn) 249
11.5.1 系統(tǒng)辨識的性能評估 250
11.5.2 基于RFG框架的系統(tǒng)辨識實現(xiàn) 251
11.5.3 基于RFG框架的系統(tǒng)辨識應用 255
11.5.4 基于NFG框架的系統(tǒng)辨識實現(xiàn) 262
11.5.5 基于NFG框架的系統(tǒng)辨識應用 267
11.6 小結 273
習題11 275
參考文獻 277

1. 信息技術基礎 [主編 唐倩 邵銳]
2. 大學計算機基礎實驗（WPS版） [主編　謝江宜　蔡勇]
3. 信息技術（微課版） [王云　徐江鴻　李清霞　羅學鋒　]
4. 計算思維與大學計算機基礎 [主編　趙旭劍]
5. 大學信息技術實訓教程 [主編 任云暉 丁紅 趙琳琳]
6. 大學信息技術教程 [主編 任云暉 馮政軍 魏斌]
7. 信息技術基礎立體化教程 [鄒承俊 周洪林 劉和文 葉煜 ]
8. 大學計算機基礎與計算思維 [主編 閔笛 汪瑩]
9. 信息技術基礎項目化教程 [主編 王宏斌 王萬麗 王芳]
10. 大學計算機信息素養(yǎng)（第二版） [主編 盧山]
11. 全國計算機等級考試一級（MS Office）指導手冊 [主編 王宏斌 孫元 禹晨]
12. 大學計算機基礎實驗指導及習題解析 [主編 閔笛 李明]
13. 大學計算機信息素養(yǎng)實驗指導（第二版） [主編 盧山]
14. 信息技術基礎（微課版） [主編　趙艷莉　喻林]
15. 大學信息技術基礎 [主編 黎夏克 張倩文 王靜]
16. 計算機信息素養(yǎng)基礎實踐教程 [王錦 姚曉杰 王立武 等 編著]
17. 計算機基礎與應用實踐教程 [楊毅 劉立君 張春芳 梁寧玉 ]
18. 計算機信息素養(yǎng)基礎 [主編 陳艷 秦凱 黃海玉]
19. 計算機基礎與應用 [主編 秦凱 梁寧玉 王毅]
20. 大學計算機基礎上機實踐教程（第六版） [主編 何振林 羅奕]
21. 大學計算機基礎教程實驗指導與測試題集 [主編 饒拱維 吳華光 巫滿秀]
22. 大學計算機基礎（等級考試版） [主編 鐘誠]
23. 大學計算機基礎教程（第二版） [主編 安志遠 崔巖]
24. 計算機應用基礎實訓教程（第三版） [主 編 王向慧 康秀蘭]
25. 計算機應用基礎（第三版） [主 編 王向慧 康秀蘭]
26. 計算機應用基礎 [主編　趙艷莉]
27. 大學計算機基礎案例教程（第二版） [主 編 葉潮流 金 瑩]
28. 大學信息技術 [主編　連衛(wèi)民　張志明　陳炎龍]
29. 新編計算機應用基礎教程 [主編　戴毅　吳瑞芝　賈姍姍]
30. 計算機應用基礎 [主編 譚慧 楊志茹]