本书主要研究内容

本书主要讨论软计算在优化、决策与控制领域中的应用研究。目的在于为存在环境不确定因素、资源有限的状态背景下,进行现实世界(real world)相关问题的决策与控制寻求有效的方法。

全书分十章:第一章扼要地论述了软计算方法引入的必要性和重要性,同时论述了软计算的概念、组成、研究内容和应用情况,重点综述了软计算的混合研究和若干研究进展。第二章在进化计算的统一框架下,研究了适应度函数,遗传算子等重要问题,提出了能充分发掘进化计算定向特性与基于梯度方法定位特性的混合遗传算法,及融合不同进化算法特征的面向约束优化的计算方法并详尽的讨论了一类多种群进化方法。附录中讨论了自适应遗传算法和进化计算在组合优化中的一个应用。第三、四章在单神经网络和模块化神经网络框架下开展了一系列有意义的研究工作,具体表现在:研究了局部回归Elman网络及其特征的学习算法和收敛性问题,修正了对角回归网络中基于动态反传算法的收敛性分析中的一些错误结论,建立了新的收敛性定理,提出了基于对角回归网络的快速系统辨识方法,研究了两种分别基于分解－协调技术和Bayes决策的模块化神经网络建模方法。第五章介绍了神经网络最新进展——深度神经网络的若干命题。第六章提出了两种形式的自适应进化模糊控制算法——定性—定量相结合的控制算法和多调整因子方法,成功地进行了复杂系统的控制仿真研究。这两种方法都具有鲁棒性强,计算复杂性小,动稳态性能优的特点。本章还针对所提方法进行了若干讨论。第七、八章针对多级倒立摆系统这一有重要背景的非线性快时变强耦合系统,简要介绍了其研究背景和国内外研究进展,提出了基于进化线性控制和基于主成分分析进化控制等两种密切关联的策略,结果表明,所提方法能够满意控制二级和三级倒立摆系统。第九章对受生物启发的计算范例——免疫计算开展了部分研究。运用软计算方法探讨复杂系统产品设计是一个有意义的研究方向,第十章据此进行了决策方法、决策支持系统设计方面的探讨和开发。