軟計(jì)算

前言

撰寫(xiě)一本關(guān)于軟計(jì)算的教程可視作一個(gè)高度復(fù)雜的、非線性的、動(dòng)態(tài)的和帶約束的“優(yōu)化問(wèn)題”。為了解決這個(gè)問(wèn)題，我于1995年開(kāi)始學(xué)習(xí)和收集信息，盡管那個(gè)時(shí)候上述“優(yōu)化問(wèn)題”尚未進(jìn)入我的腦海。IITKanpur的（3hosh教授是幫助我實(shí)現(xiàn)從金屬切割、工具制造者到軟計(jì)算建模者角色轉(zhuǎn)換工作背后的關(guān)鍵人物。遺傳算法這個(gè)詞是我從Ghosh教授那兒第一次聽(tīng)到的，他隨后把我介紹給IITKan—pur的Kalyanmoy教授。Deb教授肩負(fù)起了把遺傳算法的基礎(chǔ)知識(shí)傳授給我的責(zé)任，這對(duì)于我暢游軟計(jì)算這個(gè)廣闊的海洋是一個(gè)很大的幫助。因此，是他們提供給我在這艱澀之海前行所需的動(dòng)力。我衷心的感謝我的博士生導(dǎo)師Ghosh教授和I）eb教授。2000年，日本福岡的九州設(shè)計(jì)研究院的HideyukiTakagi教授給了我在他們實(shí)驗(yàn)室工作六個(gè)月的機(jī)會(huì)，在那兒我學(xué)習(xí)了很多模糊邏輯技術(shù)（盡管我是在IITKanpur開(kāi)始學(xué)習(xí)這個(gè)研究領(lǐng)域的基礎(chǔ)的）和神經(jīng)網(wǎng)絡(luò)。2001年，我獲得了Al—exandervorlHumboldt獎(jiǎng)學(xué)金，德國(guó)達(dá)姆施塔特技術(shù)大學(xué)的Bibel教授允許我進(jìn)入他龐大的研究團(tuán)隊(duì)，這給了我充足的機(jī)會(huì)去消化直到彼時(shí)所學(xué)到的精神食糧，以增強(qiáng)我在軟計(jì)算方面的知識(shí)。我深切表達(dá)對(duì)Takagi教授和Bibel教授的謝意。我還要進(jìn)一步感謝我的博士生（他們是Canjigatti博士、Chattopadhyay博士，Hui博士，Mahsesh先生，Ranga先生，Ray先生，Dey先生，Ghosh先生）；所有的M．Tech項(xiàng)目學(xué)生（例如Chooudhuri先生，Nandi先生，Singh先生，Amara先生，Bhise先生，Mollah先生以及其他人）；所有的IITKharagplr和NITDui。gapur的B．Tech項(xiàng)目學(xué)生們（如Datta先生，Jha先生，Sinha先生等及其他人），他們表現(xiàn)出了熱情和勇氣來(lái)與我一同工作。和他們的討論總是很有收獲，這幫助我積累了軟計(jì)算方面的知識(shí)。我非常感謝IITKharagpur機(jī)械工程系系主任Som教授，對(duì)于本書(shū)的寫(xiě)作，他給了我很大的鼓勵(lì)。我還要感謝IITKharagpur機(jī)械工程系所有的同事們，以及之前的NITDllrgapur的同事們，謝謝他們的幫助和合作。

內(nèi)容概要

本書(shū)首先介紹了硬計(jì)算、軟計(jì)算和優(yōu)化等基本概念及有關(guān)方法，繼而詳細(xì)討論了軟計(jì)算的三大成員方法，即遺傳算法、模糊理論與方法和神經(jīng)網(wǎng)絡(luò)，最后逐章論述了組合遺傳算法一模糊邏輯、組合遺傳算法一神經(jīng)網(wǎng)絡(luò)、組合神經(jīng)網(wǎng)絡(luò)一模糊邏輯等成員方法的集成。書(shū)中算法討論與許多已解決的數(shù)值例子相結(jié)合，便于理解；在應(yīng)用上強(qiáng)調(diào)軟計(jì)算算法的組合。    本書(shū)可作為控制、信息、機(jī)電、系統(tǒng)科學(xué)與工程、計(jì)算機(jī)等專業(yè)高年級(jí)本科生、研究生的教材或教學(xué)參考書(shū)。

作者簡(jiǎn)介

.

書(shū)籍目錄

譯者序前言術(shù)語(yǔ)希臘符號(hào)縮寫(xiě)第1章  緒論  1.1  硬計(jì)算    1.1.1  硬計(jì)算的特征  1.2  軟計(jì)算    1.2.1  軟計(jì)算的概念    1.2.2  軟計(jì)算的特征  1.3  混合計(jì)算  1.4  總結(jié)  1.5  練習(xí)第2章  優(yōu)化與一些傳統(tǒng)方法  2.1  優(yōu)化引論    2.1.1  一個(gè)實(shí)際例子    2.1.2  優(yōu)化問(wèn)題的分類    2.1.3  優(yōu)化的原理    2.1.4  對(duì)偶原理  2.2  傳統(tǒng)優(yōu)化方法    2.2.1  窮舉法    2.2.2  隨機(jī)步法    2.2.3  最速下降法    2.2.4  傳統(tǒng)優(yōu)化方法的不足  2.3  總結(jié)  2.4  練習(xí)第3章  遺傳算法介紹  3.1  遺傳算法的工作流程  3.2  二進(jìn)制編碼GA    3.2.1  交叉和變異    3.2.2  一個(gè)手工計(jì)算    3.2.3  GA的基本定理／模式定理    3.2.4  二進(jìn)制編碼GA的局限性  3.3  GA參數(shù)設(shè)置  3.4  GA中的約束處理    3.4.1  懲罰函數(shù)方法  3.5  遺傳算法的優(yōu)缺點(diǎn)  3.6  總結(jié)  3.7  練習(xí)第4章  幾種專門化的遺傳算法  4.1  實(shí)值編碼GA    4.1.1  交叉算子    4.1.2  變異算子  4.2  微-GA  4.3  可視化交互式GA    4.3.1  映射方法    4.3.2  仿真結(jié)果    4.3.3  VIGA的工作原理  4.4  調(diào)度GA    4.4.1  邊緣重組    4.4.2  序交叉井1    4.4.3  序交叉#2    4.4.4  循環(huán)交叉    4.4.5  基于位置的交叉    4.4.6  部分映射交叉  4.5  總結(jié)  4.6  練習(xí)第5章  模糊集引論  5.1  精確集    5.1.1  集合論中的符號(hào)    5.1.2  精確集的運(yùn)算    5.1.3  精確集的性質(zhì)  5.2  模糊集    5.2.1  模糊集的表示    5.2.2  精確集與模糊集之間的差異    5.2.3  模糊集中的一些定義    5.2.4  模糊集中的一些標(biāo)準(zhǔn)運(yùn)算    5.2.5  模糊集的性質(zhì)  5.3  總結(jié)  5.4  練習(xí)第6章  模糊推理與聚類  6.1  引言  6.2  模糊邏輯控制器    6.2.1  兩個(gè)主要的模糊邏輯控制器    6.2.2  層次模糊邏輯控制器    6.2.3  靈敏度分析    6.2.4  模糊邏輯控制器的優(yōu)缺點(diǎn)  6.3  模糊聚類    6.3.1  模糊C-均值聚類    6.3.2  基于熵的模糊聚類  6.4  總結(jié)  6.5  練習(xí)第7章  神經(jīng)網(wǎng)絡(luò)基礎(chǔ)  7.1  引言    7.1.1  生物神經(jīng)元    7.1.2  人工神經(jīng)元    7.1.3  單層神經(jīng)元    7.1.4  多層神經(jīng)元  7.2  靜態(tài)和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的比較  7.3  神經(jīng)網(wǎng)絡(luò)的訓(xùn)練    7.3.1  有監(jiān)督學(xué)習(xí)    7.3.2  無(wú)監(jiān)督學(xué)習(xí)  7.4  總結(jié)  7.5  練習(xí)第8章  幾個(gè)神經(jīng)網(wǎng)絡(luò)的例子  8.1  引言  8.2  多層前饋神經(jīng)網(wǎng)絡(luò)    8.2.1  前向計(jì)算    8.2.2  采用反向傳播算法的網(wǎng)絡(luò)訓(xùn)練    8.2.3  設(shè)計(jì)一個(gè)合適的NN應(yīng)遵循的步驟    8.2.4  優(yōu)缺點(diǎn)    8.2.5  一個(gè)數(shù)值例子  8.3  徑向基函數(shù)網(wǎng)絡(luò)    8.3.1  前向計(jì)算    8.3.2  采用反向傳播算法的RBFN的調(diào)節(jié)  8.4  自組織映射    8.4.1  競(jìng)爭(zhēng)    8.4.2  合作    8.4.3  更新    8.4.4  最終映射    8.4.5  仿真結(jié)果  8.5  遞歸神經(jīng)網(wǎng)絡(luò)    8.5.1  Elman網(wǎng)絡(luò)    8.5.2  Jordan網(wǎng)絡(luò)    8.5.3  組合的Elman和Jordan網(wǎng)絡(luò)  8.6  總結(jié)  8.7  練習(xí)第9章  組合遺傳算法-模糊邏輯  9.1  引言  9.2  模糊-遺傳算法  9.3  遺傳-模糊系統(tǒng)    9.3.1  文獻(xiàn)簡(jiǎn)要回顧    9.3.2  遺傳-模糊系統(tǒng)的工作原理  9.4  總結(jié)  9.5  練習(xí)第10章  組合遺傳算法-神經(jīng)網(wǎng)絡(luò)  10.1  引言  10.2  遺傳-神經(jīng)系統(tǒng)的工作原理    10.2.1  前向計(jì)算    10.2.2  手算實(shí)例  10.3  總結(jié)  10.4  練習(xí)第11章  組合神經(jīng)網(wǎng)絡(luò)-模糊邏輯  11.1  引言  11.2  基于Mamdani方法的神經(jīng)模糊系統(tǒng)    11.2.1  采用反向傳播算法對(duì)神經(jīng)-模糊系統(tǒng)的調(diào)節(jié)    11.2.2  采用遺傳算法對(duì)神經(jīng)-模糊系統(tǒng)的調(diào)節(jié)    11.2.3  一個(gè)數(shù)值例子  11.3  基于Takagi-Sugeno方法的神經(jīng)模糊系統(tǒng)    11.3.1  采用遺傳算法對(duì)ANFIS的調(diào)節(jié)    11.3.2  一個(gè)數(shù)值例子  11.4  總結(jié)  11.5  練習(xí)參考文獻(xiàn)附錄  軟計(jì)算中的兩個(gè)問(wèn)題的討論  一、方法集成與軟計(jì)算方法集成  二、關(guān)于軟計(jì)算與仿生計(jì)算

章節(jié)摘錄

1．3混合計(jì)算混合計(jì)算是傳統(tǒng)的硬計(jì)算和新興的軟計(jì)算的組合。圖1．2是一個(gè)混合計(jì)算原理的示意圖。硬、軟計(jì)算都有其固有的本質(zhì)優(yōu)勢(shì)和缺陷。為各自技術(shù)的優(yōu)勢(shì)，消除各自的局限性，人們可轉(zhuǎn)向混合計(jì)算以更有效地求解問(wèn)題。因此，如確有需要，問(wèn)題的一部分將由硬計(jì)算解決，其余部分則可用軟計(jì)算完成。進(jìn)一步地，這兩種技術(shù)在解決一些復(fù)雜現(xiàn)實(shí)問(wèn)題時(shí)可能是互補(bǔ)的。然而，由于習(xí)慣勢(shì)力，硬計(jì)算的應(yīng)用者通常不喜歡軟計(jì)算的同行，其間容易發(fā)生爭(zhēng)執(zhí)。如今，許多研究者已應(yīng)用混合計(jì)算來(lái)更有效地解決不同的工程問(wèn)題。Ovaska等給出了混合計(jì)算各種應(yīng)用的一個(gè)總結(jié)?；旌嫌?jì)算的一些典型應(yīng)用有：（1）運(yùn)用有限元方法（finiteelementmethods，F(xiàn)EM）和軟計(jì)算對(duì)機(jī)械元件進(jìn)行最優(yōu)設(shè)計(jì)。已有一些運(yùn)用FEM設(shè)計(jì)不同的機(jī)械元件的嘗試。然而，這些解的質(zhì)量取決于元件的選擇、尺寸和連接。進(jìn)一步地，應(yīng)用過(guò)程中，各成員的材料性能可能并非一成不變。因此，在FEM分析和材料方面存在模糊性。在應(yīng)用FEM分析而最終獲得最優(yōu)的機(jī)械元件設(shè)計(jì)之前，可應(yīng)用軟計(jì)算對(duì)該模糊性建模。（2）用軟計(jì)算訓(xùn)練．PID控制器。今天，PID控制器是最廣為使用的控制器之一。其增益值（Kr，K，Ko）是基于固定的環(huán)境條件而用數(shù)學(xué)方法確定的。因而，若環(huán)境發(fā)生突然改變，傳統(tǒng)PID就不能產(chǎn)生一個(gè)最優(yōu)的控制行為。為克服這一困難，可用軟計(jì)算原理調(diào)節(jié)增益值。應(yīng)用預(yù)先調(diào)試的基于FL或NN的專家系統(tǒng)，就能夠在一個(gè)動(dòng)態(tài)環(huán)境中在線確定PID控制器的合適增益值。

編輯推薦

《軟計(jì)算》為軟件研發(fā)精品譯叢之一。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    軟計(jì)算 PDF格式下載

---