隨著信息技術在軍事上的不斷應用，軍事系統(tǒng)的復雜性越來越高，傳統(tǒng)的數(shù)學方法已經(jīng)不適應這類問題的求解，遠遠不能滿足軍事復雜系統(tǒng)研究的需要，軟計算方法作為處理不確定、不**和部分真實性系統(tǒng)的有效方法，越來越得到軍事人員的重視。軟計算方法依據(jù)其強大的對不確定、不完整信息系統(tǒng)的處理能力，在解決軍事復雜系統(tǒng)的建模、優(yōu)化、求解中起到不可替代的作用，并能為軍事人員提供多個滿意的解決方案。
目前，軟計算方法已作為軍事運籌學研究生的重要課程，也越來越得到軍校學員的喜愛，它是完成各項課題研究的有力工具�！盾浻嬎惴椒捌滠娛聭谩肪脱芯寇娛聫碗s問題常用的軟計算方法，重點針對軍事研究人員、軍校碩士以上學歷學員，從它的理論基礎（概念、原理、步驟）和在軍事上的應用）（應用領域、步驟和示例）兩個方面進行介紹，使大家在學習理認方法的同時，通過應用步驟和應用示例介紹，能夠對具體軍事領域的應用有個清楚的認識，能夠*好地掌握軟計算技術并能夠很好地應用于具體的研究中去。
第1章 緒論
1．1 軟計算與硬計算
1．1．1 硬計算
1．1．2 軟計算
1．2 軟計算的內(nèi)涵及主要特征
1．3 常用的軟件計算方法
1．3．1 遺傳算法
1．3．2 免疫算法
1．3．3 神經(jīng)網(wǎng)絡算法
1．3．4 蟻群算法
1．3．5 微粒群算法
1．3．6 模擬退火算法
1．3．7 模糊集
1．3．8 粗糙集
1．3．9 貝葉斯網(wǎng)絡
1．4 軟計算方法的軍事應用
第2章 遺傳算法
2．1 遺傳算法的基本思想
2．2 遺傳算法的基本概念
2．3 遺傳算法的優(yōu)點
2．4 遺傳算法的操作步驟
2．5 遺傳算法的實現(xiàn)
2．5．1 編碼和解碼
2．5．2 種群規(guī)模
2．5．3 種群初始化
2．5．4 適應度函數(shù)
2．5．5 選擇算子
2．5．6 交叉算子
2．5．7 變異算子
2．5．8 算法終止條件
2．6 遺傳算法的改進
2．6．1 基本遺傳算法的缺點
2．6．2 常見的遺傳改進算法
2．7 遺傳算法的軍事應用
2．7．1 遺傳算法在軍事上的應用
2．7．2 遺傳算法的應用步驟
2．7．3 遺傳算法在作戰(zhàn)部署中的應用實例
2．7．4 遺傳算法在火力分配中的應用示例
第3章 免疫算法
3．1 免疫算法的基本思想
3．2 免疫算法的常用術語及參數(shù)
3．3 免疫算法的仿生機理
3．3．1 免疫識別
3．3．2 免疫學習
3．3．3 免疫記憶
3．3．4 克隆選擇
3．3．5 免疫網(wǎng)絡
3．3．6 免疫調(diào)節(jié)
3．3．7 免疫反饋
3．3．8 免疫代謝
3．3．9 免疫耐受
3．4 人工免疫算法
3．4．1 一般免疫算法
3．4．2 克隆選擇算法
3．4．3 陰性選擇算法
3．4．4 免疫網(wǎng)絡算法
3．5 一般免疫算法的實現(xiàn)
3．5．1 抗體編碼
3．5．2 抗體抗原的親和度計算
3．5．3 接種疫苗
3．5．4 克隆選擇
3．5．5 抗體抑制和促進
3．6 免疫算法的軍事應用
3．6．1 免疫算法在軍事上的應用
3．6．2 一般免疫算法的應用步驟
3．6．3 免疫算法在決策優(yōu)化中的應用示例
3．6．4 免疫遺傳算法在路經(jīng)規(guī)劃中的應用
第4章 神經(jīng)網(wǎng)絡算法
4．1 神經(jīng)網(wǎng)絡的基本思想
4．2 神經(jīng)網(wǎng)絡的基本概念
4．2．1 神經(jīng)元模型
4．2．2 神經(jīng)網(wǎng)絡模型
4．2．3 神經(jīng)網(wǎng)絡的學習方法
4．3 神經(jīng)網(wǎng)絡的具體實現(xiàn)
4．3．1 多層前向神經(jīng)網(wǎng)絡
4．3．2 Hopfield神經(jīng)網(wǎng)絡
4．3．3 自組織神經(jīng)網(wǎng)絡
4．4 神經(jīng)網(wǎng)絡的軍事應用
4．4．1 神經(jīng)網(wǎng)絡在軍事上的應用
4．4．2 神經(jīng)網(wǎng)絡的具體應用步驟
4．4．3 神經(jīng)網(wǎng)絡在作戰(zhàn)輔助決策中的應用
4．4．4 神經(jīng)網(wǎng)絡在訓練成績評判中的應用
第5章 蟻群算法
5．1 蟻群算法的基本思想
5．2 蟻群算法的基本概念
5．2．1 蟻群算法的數(shù)學描述
5．2．2 蟻群算法的收斂性分析
5．3 蟻群算法的操作步驟
5．4 蟻群算法的具體實現(xiàn)
5．4．1 離散域蟻群尋優(yōu)算法
5．4．2 連續(xù)域蟻群尋優(yōu)算法
5．5 蟻群算法的軍事應用
5．5．1 蟻群算法在軍事上的應用
5．5．2 在后勤運輸路徑選擇中的應用
5．5．3 在武器火力優(yōu)化分配中的應用
5．5．4 與遺傳算法在軍事領域的融合應用
第6章 微粒群算法
6．1 微粒群算法的相關概念
6．1．1 微粒群算法的起源
6．1．2 微粒群算法的基本原理
6．1．3 基于微粒群算法的多目標優(yōu)化
6．1．4 微粒群算法的設計步驟
6．2 微粒群算法的行為和拓撲分析
6．2．1 基于離散時間線理論的分析
6．2．2 代數(shù)分析
6．2．3 拓撲結構分析
6．3 微粒群算法的軍事應用
6．3．1 微粒群算法在軍事上的應用
6．3．2 微粒群算法的應用步驟
6．3．3 車輛路徑問題微粒群解法
6．3．4 軍事車輛路徑問題
第7章 模擬退火
7．1 物理退火過程
7．2 模擬退火算法
7．2．1 Metropolis準則
7．2．2 模擬退火算法模型
7．2．3 影響模擬退火算法的主要因素
7．2．4 模擬退火算法收斂性證明
7．3 模擬退火算法設計
7．3．1 初始溫度
7．3．2 終止溫度
7．3．3 MarKov鏈長
7．3．4 冷卻進度表
7．4 軍事上的應用
7．4．1 雷達網(wǎng)部署優(yōu)化問題
7．4．2 任務調(diào)度問題
第8章 模糊集
8．1 模糊集的基本思想
8．2 模糊集的基本概念
8．2．1 模糊集和隸屬函數(shù)
8．2．2 模糊集的表示方法
8．2．3 隸屬函數(shù)的確定方法
8．3 模糊集的具體應用步驟
8．3．1 模糊綜合評判模型建立
8．3．2 因素重要程度系數(shù)確定
8．4 模糊集的軍事應用
8．4．1 模糊集在軍事領域的應用
8．4．2 模糊集的軍事應用步驟
8．4．3 在武器裝備采辦風險評估中的應用示例
8．4．4 在裝備管理經(jīng)濟效益評價中的應用示例
8．4．5 在軍事領域與其他算法的融合應用示例
第9章 粗糙集理論
9．1 粗糙集提出的背景
9．2 粗糙集的理論研究
9．3 粗糙集的特點
9．4 粗糙集所能處理的問題
9．5 粗糙集與模糊集的區(qū)別
9．6 粗糙集的相關概念
9．6．1 粗糙集的概念
9．6．2 知識約簡
9．6．3 決策規(guī)則
9．6．4 可變精度粗糙集模型
9．7 粗糙集理論的軍事應用
9．7．1 粗糙集理論在軍事上的應用領域
9．7．2 粗糙集理論的應用步驟
9．7．3 粗糙集理論在目標識別中的應用示例
9．7．4 粗糙集理論在加權指標評估中的應用
第10章 貝葉斯網(wǎng)絡
10．1 貝葉斯網(wǎng)絡的提出背景
10．2 貝葉斯網(wǎng)絡的基本思想
10．3 貝葉斯網(wǎng)絡的基本概念
10．3．1 貝葉斯網(wǎng)絡的理論基礎
10．3．2 貝葉斯網(wǎng)絡的基本定義
10．4 貝葉斯網(wǎng)絡方法的優(yōu)點
10．5 貝葉斯網(wǎng)絡的構建
10．5．1 貝葉斯網(wǎng)絡的構建方法
10．5．2 貝葉斯網(wǎng)絡學習
10．5．3 貝葉斯網(wǎng)絡的構建步驟
10．6 貝葉斯網(wǎng)絡的推理模式
10．7 貝葉斯網(wǎng)絡的軍事應用
10．7．1 貝葉斯網(wǎng)絡在軍事上的應用
10．7．2 在空戰(zhàn)態(tài)勢評估中的應用
10．7．3 在軍事威懾信息傳遞機制分析中的應用
參考文獻
書單推薦
