软计算方法及其军事应用PDF|Epub|txt|kindle电子书版本网盘下载

软计算方法及其军事应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 软计算与硬计算2

1.1.1 硬计算2

1.1.2 软计算2

1.2 软计算的内涵及主要特征2

1.3 常用的软件计算方法5

1.3.1 遗传算法5

1.3.2 免疫算法6

1.3.3 神经网络算法7

1.3.4 蚁群算法8

1.3.5 微粒群算法9

1.3.6 模拟退火算法10

1.3.7 模糊集10

1.3.8 粗糙集11

1.3.9 贝叶斯网络12

1.4 软计算方法的军事应用13

第2章 遗传算法16

2.1 遗传算法的基本思想16

2.2 遗传算法的基本概念17

2.3 遗传算法的优点18

2.4 遗传算法的操作步骤19

2.5 遗传算法的实现20

2.5.1 编码和解码20

2.5.2 种群规模22

2.5.3 种群初始化22

2.5.4 适应度函数23

2.5.5 选择算子24

2.5.6 交叉算子26

2.5.7 变异算子28

2.5.8 算法终止条件28

2.6 遗传算法的改进29

2.6.1 基本遗传算法的缺点29

2.6.2 常见的遗传改进算法29

2.7 遗传算法的军事应用33

2.7.1 遗传算法在军事上的应用33

2.7.2 遗传算法的应用步骤34

2.7.3 遗传算法在作战部署中的应用实例35

2.7.4 遗传算法在火力分配中的应用示例42

第3章 免疫算法46

3.1 免疫算法的基本思想46

3.2 免疫算法的常用术语及参数47

3.3 免疫算法的仿生机理48

3.3.1 免疫识别49

3.3.2 免疫学习49

3.3.3 免疫记忆49

3.3.4 克隆选择50

3.3.5 免疫网络50

3.3.6 免疫调节51

3.3.7 免疫反馈51

3.3.8 免疫代谢51

3.3.9 免疫耐受52

3.4 人工免疫算法52

3.4.1 一般免疫算法52

3.4.2 克隆选择算法55

3.4.3 阴性选择算法57

3.4.4 免疫网络算法58

3.5 一般免疫算法的实现60

3.5.1 抗体编码60

3.5.2 抗体抗原的亲和度计算60

3.5.3 接种疫苗61

3.5.4 克隆选择61

3.5.5 抗体抑制和促进62

3.6 免疫算法的军事应用62

3.6.1 免疫算法在军事上的应用62

3.6.2 一般免疫算法的应用步骤63

3.6.3 免疫算法在决策优化中的应用示例64

3.6.4 免疫遗传算法在路经规划中的应用67

第4章 神经网络算法73

4.1 神经网络的基本思想73

4.2 神经网络的基本概念74

4.2.1 神经元模型74

4.2.2 神经网络模型77

4.2.3 神经网络的学习方法78

4.3 神经网络的具体实现81

4.3.1 多层前向神经网络81

4.3.2 Hopfield神经网络83

4.3.3 自组织神经网络86

4.4 神经网络的军事应用91

4.4.1 神经网络在军事上的应用91

4.4.2 神经网络的具体应用步骤92

4.4.3 神经网络在作战辅助决策中的应用92

4.4.4 神经网络在训练成绩评判中的应用97

第5章 蚁群算法102

5.1 蚁群算法的基本思想102

5.2 蚁群算法的基本概念105

5.2.1 蚁群算法的数学描述105

5.2.2 蚁群算法的收敛性分析106

5.3 蚁群算法的操作步骤110

5.4 蚁群算法的具体实现111

5.4.1 离散域蚁群寻优算法111

5.4.2 连续域蚁群寻优算法113

5.5 蚁群算法的军事应用118

5.5.1 蚁群算法在军事上的应用118

5.5.2 在后勤运输路径选择中的应用119

5.5.3 在武器火力优化分配中的应用120

5.5.4 与遗传算法在军事领域的融合应用122

第6章 微粒群算法131

6.1 微粒群算法的相关概念132

6.1.1 微粒群算法的起源132

6.1.2 微粒群算法的基本原理133

6.1.3 基于微粒群算法的多目标优化135

6.1.4 微粒群算法的设计步骤136

6.2 微粒群算法的行为和拓扑分析139

6.2.1 基于离散时间线理论的分析139

6.2.2 代数分析141

6.2.3 拓扑结构分析145

6.3 微粒群算法的军事应用146

6.3.1 微粒群算法在军事上的应用146

6.3.2 微粒群算法的应用步骤147

6.3.3 车辆路径问题微粒群解法147

6.3.4 军事车辆路径问题149

第7章 模拟退火152

7.1 物理退火过程152

7.2 模拟退火算法153

7.2.1 Metropolis准则153

7.2.2 模拟退火算法模型154

7.2.3 影响模拟退火算法的主要因素156

7.2.4 模拟退火算法收敛性证明156

7.3 模拟退火算法设计157

7.3.1 初始温度157

7.3.2 终止温度158

7.3.3 MarKov链长158

7.3.4 冷却进度表159

7.4 军事上的应用159

7.4.1 雷达网部署优化问题159

7.4.2 任务调度问题162

第8章 模糊集165

8.1 模糊集的基本思想165

8.2 模糊集的基本概念166

8.2.1 模糊集和隶属函数166

8.2.2 模糊集的表示方法166

8.2.3 隶属函数的确定方法166

8.3 模糊集的具体应用步骤168

8.3.1 模糊综合评判模型建立170

8.3.2 因素重要程度系数确定172

8.4 模糊集的军事应用173

8.4.1 模糊集在军事领域的应用173

8.4.2 模糊集的军事应用步骤173

8.4.3 在武器装备采办风险评估中的应用示例174

8.4.4 在装备管理经济效益评价中的应用示例179

8.4.5 在军事领域与其他算法的融合应用示例183

第9章 粗糙集理论190

9.1 粗糙集提出的背景190

9.2 粗糙集的理论研究191

9.3 粗糙集的特点193

9.4 粗糙集所能处理的问题194

9.5 粗糙集与模糊集的区别194

9.6 粗糙集的相关概念195

9.6.1 粗糙集的概念195

9.6.2 知识约简199

9.6.3 决策规则203

9.6.4 可变精度粗糙集模型205

9.7 粗糙集理论的军事应用206

9.7.1 粗糙集理论在军事上的应用领域206

9.7.2 粗糙集理论的应用步骤207

9.7.3 粗糙集理论在目标识别中的应用示例208

9.7.4 粗糙集理论在加权指标评估中的应用210

第10章 贝叶斯网络212

10.1 贝叶斯网络的提出背景212

10.2 贝叶斯网络的基本思想213

10.3 贝叶斯网络的基本概念213

10.3.1 贝叶斯网络的理论基础213

10.3.2 贝叶斯网络的基本定义214

10.4 贝叶斯网络方法的优点215

10.5 贝叶斯网络的构建216

10.5.1 贝叶斯网络的构建方法216

10.5.2 贝叶斯网络学习217

10.5.3 贝叶斯网络的构建步骤219

10.6 贝叶斯网络的推理模式219

10.7 贝叶斯网络的军事应用222

10.7.1 贝叶斯网络在军事上的应用222

10.7.2 在空战态势评估中的应用223

10.7.3 在军事威慑信息传递机制分析中的应用228

参考文献242