| 第一章 绪论 | 第1-33页 |
| §1．1 计算智能的历史渊源 | 第8-10页 |
| §1．2 计算智能分类及研究情况 | 第10-19页 |
| §1．2．1 进化计算 | 第10-14页 |
| §1．2．2 模糊逻辑 | 第14-17页 |
| §1．2．2．1 二值逻辑的局限性 | 第14-15页 |
| §1．2．2．2 国内外模糊控制技术的发展情况 | 第15-17页 |
| §1．2．2．3 模糊技术在其它的发展情况 | 第17页 |
| §1．2．3 人工神经网络 | 第17-19页 |
| §1．2．3．1 人工神经网络的发展历史 | 第17-18页 |
| §1．2．3．2 多层前馈神经网络的研究情况 | 第18-19页 |
| §1．3 计算智能的融合算法 | 第19-22页 |
| §1．3．1 ANNs与FL的融合 | 第20页 |
| §1．3．2 ANNs与EC的融合 | 第20-21页 |
| §1．3．3 FL与EC的融合 | 第21页 |
| §1．3．4 EC、ANNs与FL的融合 | 第21-22页 |
| §1．4 本文的研究内容 | 第22-23页 |
| 参考文献 | 第23-33页 |
| 基础研究篇 | 第33-81页 |
| 第二章 基于布尔算子的遗传算法 | 第33-49页 |
| §2．1 前言 | 第33页 |
| §2．2 基本遗传算法 | 第33-36页 |
| §2．2．1 SGA的算法描述 | 第34页 |
| §2．2．2 SGA的基本组成 | 第34-36页 |
| §2．2．3 SGA的基本流程 | 第36页 |
| §2．3 早熟收敛与传统变异算子的局限性 | 第36-40页 |
| §2．3．1 遗传算子与早熟收敛 | 第37-39页 |
| §2．3．2 传统变异算子与早熟集 | 第39-40页 |
| §2．4 二元变异算子 | 第40-45页 |
| §2．4．1 同类基因集的多样性 | 第40-41页 |
| §2．4．2 二元变异算子及其对早熟集的影响 | 第41-43页 |
| §2．4．3 二元变异算子与传统变异算子的对比实验 | 第43-45页 |
| §2．5 基于布尔算子的遗传算法 | 第45-47页 |
| §2．5．1 算法流程 | 第45-46页 |
| §2．5．2 实验测试 | 第46-47页 |
| §2．6 结束语 | 第47页 |
| 参考文献 | 第47-49页 |
| 第三章 遗传算法参数研究 | 第49-58页 |
| §3．1 引言 | 第49页 |
| §3．2 遗传算子与模式定理 | 第49-52页 |
| §3．2．1 选择算子对模式的影响 | 第50页 |
| §3．2．2 杂交算子对模式的影响 | 第50-51页 |
| §3．2．3 变异算子对模式的影响 | 第51页 |
| §3．2．4 模式定理 | 第51-52页 |
| §3．3 模式的生存概率及其对算法性能的影响 | 第52-53页 |
| §3．4 GABO2中的PFS | 第53-54页 |
| §3．5 PFS在GABO2参数优化中的作用 | 第54-55页 |
| §3．6 实验研究 | 第55-57页 |
| §3．6．1 实验方案 | 第55页 |
| §3．6．2 实验结果及分析 | 第55-57页 |
| §3．7 结束语 | 第57页 |
| 参考文献 | 第57-58页 |
| 第四章 基于“联姻”策略的并行遗传算法 | 第58-66页 |
| §4．1 引言 | 第58页 |
| §4．2 进化计算的并行化层次及模型 | 第58-60页 |
| §4．2．1 进化计算的并行化层次 | 第58-59页 |
| §4．2．2 进化计算的并行化模型 | 第59-60页 |
| §4．3 基于“联姻”策略的并行遗传算法 | 第60-62页 |
| §4．3．1 “联姻”策略 | 第60-61页 |
| §4．3．2 PGAMP描述及算法流程 | 第61-62页 |
| §4．4 实验测试 | 第62-64页 |
| §4．5 结束语 | 第64-65页 |
| 参考文献 | 第65-66页 |
| 第五章 BP网络自适应学习率研究 | 第66-81页 |
| §5．1 前言 | 第66页 |
| §5．2 常用的优化算法及其优缺点 | 第66-69页 |
| §5．3 BP算法中的自适应学习率及存在的问题 | 第69-72页 |
| §5．3．1 BP算法的基本原理 | 第69-70页 |
| §5．3．2 学习率的常用自适应方法 | 第70-72页 |
| §5．4 基于Taylor逼近的自适应BP算法研究 | 第72-74页 |
| §5．5 实验测试 | 第74-78页 |
| §5．6 结束语 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 工程应用篇 | 第81-122页 |
| 第六章 Fourier变换中的计算智能 | 第81-90页 |
| §6．1 问题的提出 | 第81-82页 |
| §6．2 最佳平方逼近与Fourier系数 | 第82-84页 |
| §6．2．1 最佳平方逼近 | 第82-83页 |
| §6．2．2 Fourier系数的最小二乘解 | 第83-84页 |
| §6．3 Fourier系数的进化求解 | 第84-85页 |
| §6．4 Fourier系数的神经网络求解 | 第85-86页 |
| §6．4．1 Fourier级数的神经网络描述 | 第85-86页 |
| §6．4．2 基于FSANN的BP算法 | 第86页 |
| §6．5 应用实例 | 第86-88页 |
| §6．5．1 实验函数及其Fourier级数 | 第86-87页 |
| §6．5．2 实验结果 | 第87-88页 |
| §6．6 结束语 | 第88-89页 |
| 参考文献 | 第89-90页 |
| 第七章 基于ITAE最优控制律的神经控制器在线进化设计 | 第90-109页 |
| §7．1 引言 | 第90-91页 |
| §7．2 基于神经网络的自适应控制 | 第91-94页 |
| §7．2．1 神经控制器的典型结构 | 第91-93页 |
| §7．2．2 需要解决的问题 | 第93-94页 |
| §7．3 ITAE最优控制律 | 第94-99页 |
| §7．3．1 ITAE最优控制系统标准型 | 第95-96页 |
| §7．3．2 位移无静差ITAE最优控制系统基本特点 | 第96-99页 |
| §7．3．2．1 时域特性 | 第96-97页 |
| §7．3．2．2 频域特性 | 第97-98页 |
| §7．3．2．3 相空间描述 | 第98-99页 |
| §7．4 基于ITAE最优控制律的神经控制器在线进化方案 | 第99-104页 |
| §7．4．1 系统结构设计 | 第99-100页 |
| §7．4．2 位移无静差ITAE最优控制律的适合度函数设计 | 第100-102页 |
| §7．4．3 遗传算法快速解码程序设计 | 第102-104页 |
| §7．5 应用实例 | 第104-106页 |
| §7．6 结束语 | 第106-107页 |
| 参考文献 | 第107-109页 |
| 第八章 一类无静差自学习模糊控制器设计 | 第109-121页 |
| §8．1 引言 | 第109页 |
| §8．2 模糊控制器余差的常见解决方案 | 第109-111页 |
| §8．3 无静差控制的必要和充分条件 | 第111-113页 |
| §8．3．1 无静差控制的必要条件 | 第111-112页 |
| §8．3．2 位移无静差控制的充分条件 | 第112-113页 |
| §8．4 位移无静差稳态控制量的学习算法 | 第113-114页 |
| §8．4．1 一步确定算法 | 第113页 |
| §8．4．2 多步学习算法 | 第113-114页 |
| §8．5 位移无静差自学习模糊控制器设计 | 第114-117页 |
| §8．5．1 解模糊方式与模糊控制器稳态输出 | 第114-115页 |
| §8．5．2 在线自学习策略 | 第115-117页 |
| §8．6 应用实例 | 第117-119页 |
| §8．6．1 线性对象的位移无静差模糊控制 | 第117-118页 |
| §8．6．2 自学习模糊控制器在CSTR中的应用 | 第118-119页 |
| §8．7 结束语 | 第119页 |
| 参考文献 | 第119-121页 |
| 第九章 全文总结 | 第121-122页 |
| 附：博士期间发表的论文 | 第122-123页 |
| 致谢 | 第123页 |
