计算智能导论 pdf下载

本书对计算智能的诸多基础理论进行了详细的介绍和释义，并介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系起来。全书共4章，其中，第1章对人工智能的萌芽、诞生和发展，以及现状和未来进行了简要介绍；第2章为进化计算，论述了遗传算法、蚁群算法、粒子群算法，以及免疫克隆算法；第3章为模糊逻辑，介绍了模糊理论基础，论述了常见的模糊隶属度函数以及模糊集合常用的算子，并对模糊关系及运算、模糊推理进行了详细介绍；第4章为人工神经网络，论述了人工神经网络的特点、生物学基础及其发展与应用。

本书可供计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员参考使用，也可作为相关专业研究生和高年级本科生的教材。

　　人类对于人工智能的畅想与探索有着悠久的历史，公元前4世纪，亚里士多德提出了形而上学和逻辑学两个方面的思想，主要成就包括主谓命题及关于此类题的逻辑推理方法，特別是三段论。1620年，弗朗西斯·培根在《新工具》中提出归纳法。他看到了实验对于揭示自然奥秘的作用，认为科学研究应该使用以观察和实验为基础的归纳法。从某种意义上来讲，这些可以看做人工智能科学的萌芽。1950年，“人工智能之父”艾伦·麦席森·图灵提出了著名的“图灵测试”；1956年，赫伯特·西蒙等人合作编写了《逻辑理论机》，即数学定理证明程序，使机器迈出了逻辑推理的第一步，并在达特茅斯会议上首次提出了“人工智能”（Artificial Intelligence，AI）这一术语；在经历数次起落之后，1997年，计算机“深蓝”击败了等级分排名世界第一的棋手加里·卡斯帕罗夫，人工智能重新获得人们的普遍重视，逐步跨进了复兴期；2016年，人工智能机器人AlphaGo以4∶1战胜世界围棋冠军李世石。在过去的60多年间，人工智能经历了从萌芽、诞生到不断发展的历程，虽然现有的计算机技术已充分实现了人类左脑的逻辑推理功能，但人类右脑的模糊处理能力以及模拟整个大脑并行处理大量信息的能力的实现仍需广大学者的共同努力。作为人工智能的新生领域，计算智能系统在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上，通过相互的有机融合而形成了新的科学方法。计算智能通过对自然智能原理和模式的学习，形成优化模型，并应用到实际工程问题的解决中。在人工智能飞速发展的今天，海量、非结构化数据的处理给信息科学带来了很多挑战，计算智能的发展也是智能理论和技术发展的崭新阶段。近年来的研究发现，计算智能的三个分支从表面上看各不相同，但实际上它们紧密相关且互为补充和促进。
　　人工神经网络属于一种运算模型，反映了大脑思维的高层次结构，其对人脑神经元进行抽象进而建立简单模型，从信息处理角度按不同的连接方式将神经元相互连接从而构成不同的网络，具有高度的并行结构和并行实现能力，以及固有的非线性特性和较强的学习能力。每个神经元代表了一种特定的输出函数，即激励函数，每两个神经元之间的连接都代表通过该连接的信号的加权值，网络的最终输出依赖于网络中神经元的连接方式、权值以及激励函数的改变。近十多年来，人工神经网络的研究工作已经取得了很大的进展，其在智能机器人、模式识别、自动控制、生物、医学等领域表现出了良好的智能特性。
　　模糊逻辑是一种精确解决不精确、不完全信息的方法，它可以比较自然地处理人的概念，是一种通过模仿人的思维方式来表示和分析不确定、不精确信息的方法和工具。对于未知的或不能确定的系统以及强非线性控制对象等，应用模糊集合和模糊规则进行推理，实行模糊判断，可解决常规方法难以很好解决的模糊信息问题。模糊逻辑突破了传统逻辑的思维模式，对于深刻研究人类的认识能力具有举足轻重的作用，特别是它与专家系统、神经网络以及控制理论的结合，在人工智能领域的研究中扮演了重要角色。
　　进化计算通过模拟自然界生物的进化过程与机制进行问题求解，具有自适应、自组织、自学习能力，能够解决传统计算方法难以解决的复杂问题。它以达尔文进化论的“物竞天择、适者生存”作为算法的进化规则，结合孟德尔的遗传变异理论，将生物进化过程中的繁殖、变异、竞争、选择引入到算法中。进化计算领域已经取得了丰硕的研究成果，其中进化多目标优化的研究、免疫克隆算法的研究以及群智能方法的研究均是国内外研究者的研究热点。
　　本套丛书主编焦李成教授在多年的研究工作过程中取得了很多显著的成果，先后荣获省部级以上科技奖10余项，其中包括国家自然科学奖二等奖，并受到国家973计划、国家“863”计划、国家自然科学基金重点项目及面上项目、国家教育部博士点基金、高等学校学科创新引智计划，以及教育部“长江学者和创新团队发展计划”的资助。在以往研究的基础上对相关知识和方法进行系统梳理，总结了一套较为完整的体系，最终形成此书。
　　本书不仅对计算智能的诸多基础理论进行了详细介绍和释义，还介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果。
　　本书编写思路本书对计算智能的诸多基础理论进行了详细介绍和释义，还介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系。全书分为4章。
　　第1章为绪论，对人工智能的萌芽、诞生、发展以及现状和未来进行了简要介绍。对人工智能的新生领域计算智能的三个分支，进化计算、模糊系统、神经网络进行了初步论述，并且列举了人工神经网络、模糊理论、进化计算的主要研究成果。
　　第2章为进化计算，论述了遗传算法的特点、基本框架、优势以及五个关键问题。于最常用遗传算法解决的数值优化问题进行了详细阐述，结合遗传算法的基本框架给出了解决问题的具体流程和实验示例。选取遗传算法的理论基础、编码和种群初始化、交叉和变异操作、选择和适应度函数, 分成4个小节进行了详细论述。在此基础上，对进化计算的收敛性进行了分析，论述了几种典型的约束优化问题和组合优化问题。对于多目标优化问题，给出了遗传算法解决多目标优化问题的基本框架和适应度分配机制，并列出了解决多目标优化问题的主要算法。此外，本章还论述了两种群智能算法：蚁群算法和粒子群算法，并给出了免疫克隆算法。最后作为对本章知识的巩固练习，布置了相应的习题。
　　第3章为模糊逻辑，详细介绍了模糊理论基础，包括模糊集合的定义、表示、几何图示和运算等。论述了常见的模糊隶属度函数以及模糊性的度量方式，并对模糊关系及运算、模糊推理进行了详细介绍。对于模糊聚类分析问题，详细论述了其基础知识和一般步骤，并结合模糊聚类分析实例，给出了基于模糊聚类的图像分割方法以及模糊理论在图像处理中的应用。此外，本章还对模糊综合评判进行了介绍，并论述了模糊综合评判模型的建立过程。最后作为对本章知识的巩固练习，布置了相应的习题。
　　第4章为人工神经网络，论述了人工神经网络的特点、生物学基础以及人工神经网络的发展与应用。将人工神经单元——单感知器和人工神经网络——多感知机分成两个小节进行论述，详细介绍了感知器模型和神经网络的参数学习与训练方法。在此基础上，详细论述了神经网络的几种学习方法和典型例题分析，介绍了核方法与径向基函数网络的概念、模型及学习方法等。对于深度神经网络中的有监督与无监督学习、卷积神经网络、循环神经网络和生成对抗网络等进行了论述。最后作为对本章知识的巩固练习，布置了相应的习题。
　　本书特色
　　1) 紧跟学术前沿
　　作者查阅了大量的期刊和相关网络资料，紧跟国内外相关研究机构的最新研究动态，同时积极与国内外学者和企业人员进行交流，结合近年来人工智能和计算智能领域的研究心得与成果，进行系统梳理与总结，将该领域的最新动态与各位读者分享。
　　2) 论述清晰，知识完整
　　本书内容丰富，阐述严谨，对计算智能的三个分支——进化计算、模糊系统、神经网络的基本框架中的理论基础和典型问题进行了详细论述，并且将理论与实践紧密联系，给出了相关示例和实验结果，适合计算智能以及相关交叉领域的教师参考和学生学习。
　　3) 学科交叉
　　计算智能与脑科学、神经科学、生物学、语言学等学科交叉发展，互相影响。本书从原理论述等方面，充分体现了学科交叉，并将这些知识有机地结合起来。
　　4) 重视实用性
　　本书论述了计算智能理论、进化计算、模糊系统、人工神经网络的理论基础、基本框架和典型算法，并在此基础上将理论与实践相结合，针对相关领域中的典型问题，给出了解决方法、参数学习以及实验结果示例，使读者在更好地理解理论知识的同时，对计算智能学科乃至人工智能学科产生兴趣，培养动手能力。
　　5) 符合专业需求
　　作为智能科学与技术专业的教材，本书详细汇总了进化计算、模糊系统、人工神经网络中常用的优化模型、学习模型、算子和网络模型等，同时将理论与实践相结合，介绍了人工神经网络、模糊系统、进化计算的典型应用范例以及实验结果，对学生计算智能理论知识的巩固和解决问题能力的提高有很好的帮助与促进作用。
　　致 谢
　　本书是西安电子科技大学人工智能学院——“智能感知与图像理解”教育部重点实验室，“智能感知与计算”教育部国际联合实验室，国家“111”计划创新引智基地，国家“2011”信息感知协同创新中心，“大数据智能感知与计算”陕西省2011协同创新中心，智能信息处理研究所集体智慧的结晶，感谢集体中每一位同仁的奉献。特别感谢保铮院士多年来的悉心培养和指导, 感谢中国科技大学陈国良院士和IEEE计算智能学会副主席、英国伯明翰大学姚新教授，英国埃塞克斯大学张青富教授，英国萨里大学金耀初教授，英国诺丁汉大学屈嵘教授的指导和帮助；感谢国家自然科学基金委信息科学部的大力支持；感谢田捷教授、高新波教授、石光明教授、梁继民教授的帮助；感谢王丹、张玮桐、任晋弘、徐开明、王光光、宋九征、林俊凯、彭沛等智能感知与图像理解教育部重点实验室研究生所付出的辛勤劳动。在此特别感谢2018年国家重点研发计划课题(2018YFC0825303, 2018YFC0825305), 国家自然科学基金重点项目 (61836009), 国家自然科学基金创新研究群体科学基金 (61621005), 国家自然科学基金(U1701267, 61773304, 61772399, 61672405, 61473215，61876141，61806156), 高等学校学科创新引智计划(111计划)(B07048), 重大研究计划(91438201和91438103), 以及教育部“长江学者和创新团队发展计划”(IRT_15R53和IRT0645)，西安电子科技大学2018年度研究生课程与教材建设项目（JPJC1819和JPJC1820）, 西安电子科技大学2018年研究生教育教学改革研究项目（JGY1814和JGY1815）对我们的资助。
　　感谢作者家人的大力支持和理解。
　　由于编者水平有限，书中不妥之处在所难免，敬请各位专家及广大读者批评指正。
　　作 者
　　2019.3