《軟計算方法及其軍事套用》是2015年12月由國防工業出版社出版的圖書，作者是耿振余。
基本介紹
- 書名：軟計算方法及其軍事套用
- 作者：耿振余
- ISBN：978-7-118-10562-9
- 頁數：247
- 定價：80
- 出版社：國防工業出版社
- 出版時間：2015年12月
- 裝幀：平裝
- 開本：16開
內容簡介,編輯推薦,目錄,
內容簡介
隨著信息技術在軍事上的不斷套用，軍事系統的複雜性越來越高，傳統的數學方法已經不適應這類問題的求解，遠遠不能滿足軍事複雜系統研究的需要，軟計算方法作為處理不確定、不精確和部分真實性系統的有效方法，越來越得到軍事人員的重視。軟計算方法依據其強大的對不確定、不完整信息系統的處理能力，在解決軍事複雜系統的建模、最佳化、求解中起到不可替代的作用，並能為軍事人員提供多個滿意的解決方案。目前，軟計算方法已作為軍事運籌學研究生的重要課程，也越來越得到軍校學員的喜愛，它是完成各項課題研究的有力工具。
編輯推薦
本書就研究軍事複雜問題常用的軟計算方法，重點針對軍事研究人員、軍校碩士以上學歷學員，從它的理論基礎（概念、原理、步驟）和在軍事上的套用）（套用領域、步驟和示例）兩個方面進行介紹，使大家在學習理認方法的同時，通過套用步驟和套用示例介紹，能夠對具體軍事領域的套用有個清楚的認識，能夠更好地掌握軟計算技術並能夠很好地套用於具體的研究中去。
目錄
第1章 緒論 1
1.1 軟計算與硬計算 2
1.1.1 硬計算 2
1.1.2 軟計算 2
1.2 軟計算的內涵及主要特徵 2
1.3 常用的軟體計算方法 5
1.3.1 遺傳算法 5
1.3.2 免疫算法 6
1.3.3 神經網路算法 7
1.3.4 蟻群算法 8
1.3.5 微粒群算法 9
1.3.6 模擬退火算法 10
1.3.7 模糊集 10
1.3.8 粗糙集 11
1.3.9 貝葉斯網路 12
1.4 軟計算方法的軍事套用 13
第2章 遺傳算法 16
2.1 遺傳算法的基本思想 16
2.2 遺傳算法的基本概念 17
2.3 遺傳算法的優點 18
2.4 遺傳算法的操作步驟 19
2.5 遺傳算法的實現 20
2.5.1 編碼和解碼 20
2.5.2 種群規模 22
2.5.3 種群初始化 22
2.5.4 適應度函式 23
2.5.5 選擇運算元 24
2.5.6 交叉運算元 26
2.5.7 變異運算元 28
2.5.8 算法終止條件 28
2.6 遺傳算法的改進 29
2.6.1 基本遺傳算法的缺點 29
2.6.2 常見的遺傳改進算法 29
2.7 遺傳算法的軍事套用 33
2.7.1 遺傳算法在軍事上的套用 33
2.7.2 遺傳算法的套用步驟 34
2.7.3 遺傳算法在作戰部署中的套用實例 35
2.7.4 遺傳算法在火力分配中的套用示例 42
第3章 免疫算法 46
3.1 免疫算法的基本思想 46
3.2 免疫算法的常用術語及參數 47
3.3 免疫算法的仿生機理 48
3.3.1 免疫識別 49
1.1 軟計算與硬計算 2
1.1.1 硬計算 2
1.1.2 軟計算 2
1.2 軟計算的內涵及主要特徵 2
1.3 常用的軟體計算方法 5
1.3.1 遺傳算法 5
1.3.2 免疫算法 6
1.3.3 神經網路算法 7
1.3.4 蟻群算法 8
1.3.5 微粒群算法 9
1.3.6 模擬退火算法 10
1.3.7 模糊集 10
1.3.8 粗糙集 11
1.3.9 貝葉斯網路 12
1.4 軟計算方法的軍事套用 13
第2章 遺傳算法 16
2.1 遺傳算法的基本思想 16
2.2 遺傳算法的基本概念 17
2.3 遺傳算法的優點 18
2.4 遺傳算法的操作步驟 19
2.5 遺傳算法的實現 20
2.5.1 編碼和解碼 20
2.5.2 種群規模 22
2.5.3 種群初始化 22
2.5.4 適應度函式 23
2.5.5 選擇運算元 24
2.5.6 交叉運算元 26
2.5.7 變異運算元 28
2.5.8 算法終止條件 28
2.6 遺傳算法的改進 29
2.6.1 基本遺傳算法的缺點 29
2.6.2 常見的遺傳改進算法 29
2.7 遺傳算法的軍事套用 33
2.7.1 遺傳算法在軍事上的套用 33
2.7.2 遺傳算法的套用步驟 34
2.7.3 遺傳算法在作戰部署中的套用實例 35
2.7.4 遺傳算法在火力分配中的套用示例 42
第3章 免疫算法 46
3.1 免疫算法的基本思想 46
3.2 免疫算法的常用術語及參數 47
3.3 免疫算法的仿生機理 48
3.3.1 免疫識別 49
3.3.2 免疫學習 49
3.3.3 免疫記憶 49
3.3.4 克隆選擇 50
3.3.5 免疫網路 50
3.3.6 免疫調節 51
3.3.7 免疫反饋 51
3.3.8 免疫代謝 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 克隆選擇算法 55
3.4.3 陰性選擇算法 57
3.4.4 免疫網路算法 58
3.5 一般免疫算法的實現 60
3.5.1 抗體編碼 60
3.5.2 抗體抗原的親和度計算 60
3.5.3 接種疫苗 61
3.5.4 克隆選擇 61
3.5.5 抗體抑制和促進 62
3.6 免疫算法的軍事套用 62
3.6.1 免疫算法在軍事上的套用 62
3.6.2 一般免疫算法的套用步驟 63
3.6.3 免疫算法在決策最佳化中的套用示例 64
3.6.4 免疫遺傳算法在路經規劃中的套用 67
第4章 神經網路算法 73
4.1 神經網路的基本思想 73
4.2 神經網路的基本概念 74
4.2.1 神經元模型 74
4.2.2 神經網路模型 77
4.2.3 神經網路的學習方法 78
4.3 神經網路的具體實現 81
4.3.1 多層前向神經網路 81
4.3.2 Hopfield神經網路 83
4.3.3 自組織神經網路 86
4.4 神經網路的軍事套用 91
4.4.1 神經網路在軍事上的套用 91
4.4.2 神經網路的具體套用步驟 92
4.4.3 神經網路在作戰輔助決策中的套用 92
4.4.4 神經網路在訓練成績評判中的套用 97
第5章 蟻群算法 102
5.1 蟻群算法的基本思想 102
5.2 蟻群算法的基本概念 105
5.2.1 蟻群算法的數學描述 105
5.2.2 蟻群算法的收斂性分析 106
5.3 蟻群算法的操作步驟 110
5.4 蟻群算法的具體實現 111
5.4.1 離散域蟻群尋優算法 111
5.4.2 連續域蟻群尋優算法 113
5.5 蟻群算法的軍事套用 118
5.5.1 蟻群算法在軍事上的套用 118
3.3.3 免疫記憶 49
3.3.4 克隆選擇 50
3.3.5 免疫網路 50
3.3.6 免疫調節 51
3.3.7 免疫反饋 51
3.3.8 免疫代謝 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 克隆選擇算法 55
3.4.3 陰性選擇算法 57
3.4.4 免疫網路算法 58
3.5 一般免疫算法的實現 60
3.5.1 抗體編碼 60
3.5.2 抗體抗原的親和度計算 60
3.5.3 接種疫苗 61
3.5.4 克隆選擇 61
3.5.5 抗體抑制和促進 62
3.6 免疫算法的軍事套用 62
3.6.1 免疫算法在軍事上的套用 62
3.6.2 一般免疫算法的套用步驟 63
3.6.3 免疫算法在決策最佳化中的套用示例 64
3.6.4 免疫遺傳算法在路經規劃中的套用 67
第4章 神經網路算法 73
4.1 神經網路的基本思想 73
4.2 神經網路的基本概念 74
4.2.1 神經元模型 74
4.2.2 神經網路模型 77
4.2.3 神經網路的學習方法 78
4.3 神經網路的具體實現 81
4.3.1 多層前向神經網路 81
4.3.2 Hopfield神經網路 83
4.3.3 自組織神經網路 86
4.4 神經網路的軍事套用 91
4.4.1 神經網路在軍事上的套用 91
4.4.2 神經網路的具體套用步驟 92
4.4.3 神經網路在作戰輔助決策中的套用 92
4.4.4 神經網路在訓練成績評判中的套用 97
第5章 蟻群算法 102
5.1 蟻群算法的基本思想 102
5.2 蟻群算法的基本概念 105
5.2.1 蟻群算法的數學描述 105
5.2.2 蟻群算法的收斂性分析 106
5.3 蟻群算法的操作步驟 110
5.4 蟻群算法的具體實現 111
5.4.1 離散域蟻群尋優算法 111
5.4.2 連續域蟻群尋優算法 113
5.5 蟻群算法的軍事套用 118
5.5.1 蟻群算法在軍事上的套用 118
5.5.2 在後勤運輸路徑選擇中的套用 119
5.5.3 在武器火力最佳化分配中的套用 120
5.5.4 與遺傳算法在軍事領域的融合套用 122
第6章 微粒群算法 131
6.1 微粒群算法的相關概念 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 基於微粒群算法的多目標最佳化 135
6.1.4 微粒群算法的設計步驟 136
6.2 微粒群算法的行為和拓撲分析 139
6.2.1 基於離散時間線理論的分析 139
6.2.2 代數分析 141
6.2.3 拓撲結構分析 145
6.3 微粒群算法的軍事套用 146
6.3.1 微粒群算法在軍事上的套用 146
6.3.2 微粒群算法的套用步驟 147
6.3.3 車輛路徑問題微粒群解法 147
6.3.4 軍事車輛路徑問題 149
第7章 模擬退火 152
7.1 物理退火過程 152
7.2 模擬退火算法 153
7.2.1 Metropolis準則 153
7.2.2 模擬退火算法模型 154
7.2.3 影響模擬退火算法的主要因素 156
7.2.4 模擬退火算法收斂性證明 156
7.3 模擬退火算法設計 157
7.3.1 初始溫度 157
7.3.2 終止溫度 158
7.3.3 MarKov鏈長 158
7.3.4 冷卻進度表 159
7.4 軍事上的套用 159
7.4.1 雷達網部署最佳化問題 159
7.4.2 任務調度問題 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 模糊集和隸屬函式 166
8.2.2 模糊集的表示方法 166
8.2.3 隸屬函式的確定方法 166
8.3 模糊集的具體套用步驟 168
8.3.1 模糊綜合評判模型建立 170
8.3.2 因素重要程度係數確定 172
8.4 模糊集的軍事套用 173
8.4.1 模糊集在軍事領域的套用 173
8.4.2 模糊集的軍事套用步驟 173
8.4.3 在武器裝備採辦風險評估中的套用示例 174
8.4.4 在裝備管理經濟效益評價中的套用示例 179
8.4.5 在軍事領域與其他算法的融合套用示例 183
第9章 粗糙集理論 190
9.1 粗糙集提出的背景 190
9.2 粗糙集的理論研究 191
9.3 粗糙集的特點 193
9.4 粗糙集所能處理的問題 194
9.5 粗糙集與模糊集的區別 194
9.6 粗糙集的相關概念 195
9.6.1 粗糙集的概念 195
9.6.2 知識約簡 199
5.5.3 在武器火力最佳化分配中的套用 120
5.5.4 與遺傳算法在軍事領域的融合套用 122
第6章 微粒群算法 131
6.1 微粒群算法的相關概念 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 基於微粒群算法的多目標最佳化 135
6.1.4 微粒群算法的設計步驟 136
6.2 微粒群算法的行為和拓撲分析 139
6.2.1 基於離散時間線理論的分析 139
6.2.2 代數分析 141
6.2.3 拓撲結構分析 145
6.3 微粒群算法的軍事套用 146
6.3.1 微粒群算法在軍事上的套用 146
6.3.2 微粒群算法的套用步驟 147
6.3.3 車輛路徑問題微粒群解法 147
6.3.4 軍事車輛路徑問題 149
第7章 模擬退火 152
7.1 物理退火過程 152
7.2 模擬退火算法 153
7.2.1 Metropolis準則 153
7.2.2 模擬退火算法模型 154
7.2.3 影響模擬退火算法的主要因素 156
7.2.4 模擬退火算法收斂性證明 156
7.3 模擬退火算法設計 157
7.3.1 初始溫度 157
7.3.2 終止溫度 158
7.3.3 MarKov鏈長 158
7.3.4 冷卻進度表 159
7.4 軍事上的套用 159
7.4.1 雷達網部署最佳化問題 159
7.4.2 任務調度問題 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 模糊集和隸屬函式 166
8.2.2 模糊集的表示方法 166
8.2.3 隸屬函式的確定方法 166
8.3 模糊集的具體套用步驟 168
8.3.1 模糊綜合評判模型建立 170
8.3.2 因素重要程度係數確定 172
8.4 模糊集的軍事套用 173
8.4.1 模糊集在軍事領域的套用 173
8.4.2 模糊集的軍事套用步驟 173
8.4.3 在武器裝備採辦風險評估中的套用示例 174
8.4.4 在裝備管理經濟效益評價中的套用示例 179
8.4.5 在軍事領域與其他算法的融合套用示例 183
第9章 粗糙集理論 190
9.1 粗糙集提出的背景 190
9.2 粗糙集的理論研究 191
9.3 粗糙集的特點 193
9.4 粗糙集所能處理的問題 194
9.5 粗糙集與模糊集的區別 194
9.6 粗糙集的相關概念 195
9.6.1 粗糙集的概念 195
9.6.2 知識約簡 199
9.6.3 決策規則 203
9.6.4 可變精度粗糙集模型 205
9.7 粗糙集理論的軍事套用 206
9.7.1 粗糙集理論在軍事上的套用領域 206
9.7.2 粗糙集理論的套用步驟 207
9.7.3 粗糙集理論在目標識別中的套用示例 208
9.7.4 粗糙集理論在加權指標評估中的套用 210
第10章 貝葉斯網路 212
10.1 貝葉斯網路的提出背景 212
10.2 貝葉斯網路的基本思想 213
10.3 貝葉斯網路的基本概念 213
10.3.1 貝葉斯網路的理論基礎 213
10.3.2 貝葉斯網路的基本定義 214
10.4 貝葉斯網路方法的優點 215
10.5 貝葉斯網路的構建 216
10.5.1 貝葉斯網路的構建方法 216
10.5.2 貝葉斯網路學習 217
10.5.3 貝葉斯網路的構建步驟 219
10.6 貝葉斯網路的推理模式 219
10.7 貝葉斯網路的軍事套用 222
10.7.1 貝葉斯網路在軍事上的套用 222
10.7.2 在空戰態勢評估中的套用 223
10.7.3 在軍事威懾信息傳遞機制分析中的套用 228
參考文獻 242
9.6.4 可變精度粗糙集模型 205
9.7 粗糙集理論的軍事套用 206
9.7.1 粗糙集理論在軍事上的套用領域 206
9.7.2 粗糙集理論的套用步驟 207
9.7.3 粗糙集理論在目標識別中的套用示例 208
9.7.4 粗糙集理論在加權指標評估中的套用 210
第10章 貝葉斯網路 212
10.1 貝葉斯網路的提出背景 212
10.2 貝葉斯網路的基本思想 213
10.3 貝葉斯網路的基本概念 213
10.3.1 貝葉斯網路的理論基礎 213
10.3.2 貝葉斯網路的基本定義 214
10.4 貝葉斯網路方法的優點 215
10.5 貝葉斯網路的構建 216
10.5.1 貝葉斯網路的構建方法 216
10.5.2 貝葉斯網路學習 217
10.5.3 貝葉斯網路的構建步驟 219
10.6 貝葉斯網路的推理模式 219
10.7 貝葉斯網路的軍事套用 222
10.7.1 貝葉斯網路在軍事上的套用 222
10.7.2 在空戰態勢評估中的套用 223
10.7.3 在軍事威懾信息傳遞機制分析中的套用 228
參考文獻 242
