前言
第1章　緒論
　1.1　軟計算與人工智能的關(guān)系
　1.2　軟計算科學(xué)的主要分支
　　1.2.1　人工神經(jīng)網(wǎng)絡(luò)
　　1.2.2　遺傳算法
　　1.2.3　模糊邏輯
　1.3　軟計算的特性
　1.4　軟計算研究的主要問題
　　1.4.1　學(xué)習(xí)
　　1.4.2　搜索
　　1.4.3　推理
第2章　模擬退火算法
　2.1　概述
　　2.1.1　物理退火過程
　　2.1.2　Metroplis算法
　　2.1.3　模擬退火算法
　2.2　模擬退火算法的收斂性分析
　　2.2.1　模擬退火算法的Markov鏈描述
　　2.2.2　模擬退火算法的收斂性
2.3　模擬退火算法的設(shè)計
　　2.3.1　初始溫度t
　　2.3.2　終止溫度t2
　　2.3.3　Markov鏈長L4
　　2.3.4　控制參數(shù)的更新函數(shù)T(t)
2.4　模擬退火算法的應(yīng)用
　　2.4.1　模擬退火算法應(yīng)用的一般要求
　　2.4.2　典型組合優(yōu)化問題的模擬退火算法
參考文獻(xiàn)
第3章　人工神經(jīng)網(wǎng)絡(luò)
　3.1　人工神經(jīng)網(wǎng)絡(luò)的基本概念
　　3.1.1　生物神經(jīng)元模型
　　3.1.2　人工神經(jīng)元模型
　　3.1.3　人工神經(jīng)網(wǎng)絡(luò)模型
　3.2　人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
　　3.2.1　學(xué)習(xí)機(jī)理
　　3.2.2　學(xué)習(xí)方法
　　3.2.3　學(xué)習(xí)規(guī)則
　3.3　前向式神經(jīng)網(wǎng)絡(luò)與算法
　　3.3.1　感知器及算法
　　3.3.2　BP網(wǎng)絡(luò)與誤差反向傳播算法
　3.4　反饋網(wǎng)絡(luò)模型及其主要算法
　　3.4.1　Hopfield網(wǎng)絡(luò)與算法
　　3.4.2　Boltzmann機(jī)網(wǎng)絡(luò)和學(xué)習(xí)方法
　　3.4.3 自組織特征映射網(wǎng)絡(luò)和算法
　3.5　神經(jīng)網(wǎng)絡(luò)的系統(tǒng)設(shè)計
　　3.5.1　神經(jīng)網(wǎng)絡(luò)的適用范圍
　　3.5.2　神經(jīng)網(wǎng)絡(luò)的設(shè)計過程和需求分析
　　3.5.3　神經(jīng)網(wǎng)絡(luò)的性能評價
　　3.5.4　輸入數(shù)據(jù)的預(yù)處理
　3.6　神經(jīng)網(wǎng)絡(luò)的應(yīng)用
　　3.6.1　基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化計算
　　3.6.2　圖像邊緣檢測
　參考文獻(xiàn)
第4章　遺傳算法
4.1　遺傳算法的概念
　　4.1.1　遺傳算法的生物遺傳學(xué)基礎(chǔ)
　　4.1.2　遺傳算法的·般結(jié)構(gòu)
　　4.1.3　遺傳算法的特點
　4.2　標(biāo)準(zhǔn)遺傳算法的基本設(shè)計
　　4.2.1　編碼
　　4.2.2　適應(yīng)度函數(shù)
　　4.2.3　遺傳算法的基本操作
　　4.2.4　遺傳算法的終止控制設(shè)計
……
第5章　支持向量機(jī)
第6章　模糊計算
參考文獻(xiàn)