本書的內容基於作者在ⅡT針對本科生和研究生兩個層次的教學經歷，兩大主題的教學，即進化計算及工程中基於知識的繫統而設計。它由11章構成，其內容包括：“引論、優化及傳統方法、遺傳算法引論、一些特殊的遺傳算法、模糊集引論、模糊推理與聚類、神經網絡基礎、神經網絡的一些例子、組合遺傳算法一模糊邏輯、組合遺傳算法一神經網絡、組合神經網絡一模糊邏輯”。
全書有兩大特點：一是原作者所稱的“算法討論與許多已解決的數值例子相結合”，便於理解；二是特別強調軟計算成員算法的組合。

本書首先介紹了硬計算、軟計算和優化等基本概念及有關方法，繼而 詳細討論了軟計算的三大成員方法，即遺傳算法、模糊理論與方法和神經 網絡，最後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網 絡、組合神經網絡一模糊邏輯等成員方法的集成。書中算法討論與許多已 解決的數值例子相結合，便於理解；在應用上強調軟計算算法的組合。 本書可作為控制、信息、機電、繫統科學與工程、計算機等專業高年 級本科生、研究生的教材或教學參考書。

譯者序
前言
術語
希臘符號
縮寫
第1章 緒論
1.1 硬計算
1.1.1 硬計算的特征
1.2 軟計算
1.2.1 軟計算的概念
1.2.2 軟計算的特征
1.3 混合計算
1.4 總結
1.5 練習
第2章 優化與一些傳統方法
2.1 優化引論
2.1.1 一個實際例子
2.1.2 優化問題的分類
2.1.3 優化的原理
2.1.4 對偶原理
2.2 傳統優化方法
2.2.1 窮舉法
2.2.2 隨機步法
2.2.3 *速下降法
2.2.4 傳統優化方法的不足
2.3 總結
2.4 練習
第3章 遺傳算法介紹
3.1 遺傳算法的工作流程
3.2 二進制編碼GA
3.2.1 交叉和變異
3.2.2 一個手工計算
3.2.3 GA的基本定理／模式定理
3.2.4 二進制編碼GA的局限性
3.3 GA參數設置
3.4 GA中的約束處理
3.4.1 懲罰函數方法
3.5 遺傳算法的優缺點
3.6 總結
3.7 練習
第4章 幾種專門化的遺傳算法
4.1 實值編碼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 仿真結果
4.3.3 VIGA的工作原理
4.4 調度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 循環交叉
4.4.5 基於位置的交叉
4.4.6 部分映射交叉
4.5 總結
4.6 練習
第5章 模糊集引論
5.1 **集
5.1.1 集合論中的符號
5.1.2 **集的運算
5.1.3 **集的性質
5.2 模糊集
5.2.1 模糊集的表示
5.2.2 **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 模糊集中的一些標準運算
5.2.5 模糊集的性質
5.3 總結
5.4 練習
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缺點
6.3 模糊聚類
6.3.1 模糊C-均值聚類
6.3.2 基於熵的模糊聚類
6.4 總結
6.5 練習
第7章 神經網絡基礎
7.1 引言
7.1.1 生物神經元
7.1.2 人工神經元
7.1.3 單層神經元
7.1.4 多層神經元
7.2 靜態和動態神經網絡的比較
7.3 神經網絡的訓練
7.3.1 有監督學習
7.3.2 無監督學習
7.4 總結
7.5 練習
第8章 幾個神經網絡的例子
8.1 引言
8.2 多層前饋神經網絡
8.2.1 前向計算
8.2.2 采用反向傳播算法的網絡訓練
8.2.3 設計一個合適的NN應遵循的步驟
8.2.4 優缺點
8.2.5 一個數值例子
8.3 徑向基函數網絡
8.3.1 前向計算
8.3.2 采用反向傳播算法的RBFN的調節
8.4 自組織映射
8.4.1 競爭
8.4.2 合作
8.4.3 *新
8.4.4 *終映射
8.4.5 仿真結果
8.5 遞歸神經網絡
8.5.1 Elman網絡
8.5.2 Jordan網絡
8.5.3 組合的Elman和Jordan網絡
8.6 總結
8.7 練習
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-模糊繫統
9.3.1 文獻簡要回顧
9.3.2 遺傳-模糊繫統的工作原理
9.4 總結
9.5 練習
**0章 組合遺傳算法-神經網絡
10.1 引言
10.2 遺傳-神經繫統的工作原理
10.2.1 前向計算
10.2.2 手算實例
10.3 總結
10.4 練習
**1章 組合神經網絡-模糊邏輯
11.1 引言
11.2 基於Mamdani方法的神經模糊繫統
11.2.1 采用反向傳播算法對神經-模糊繫統的調節
11.2.2 采用遺傳算法對神經-模糊繫統的調節
11.2.3 一個數值例子
11.3 基於Takagi-Sugeno方法的神經模糊繫統
11.3.1 采用遺傳算法對ANFIS的調節
11.3.2 一個數值例子
11.4 總結
11.5 練習
參考文獻
附錄 軟計算中的兩個問題的討論
一、方法集成與軟計算方法集成
二、關於軟計算與仿生計算