软计算原理及其工程应用

•基础理论篇系统阐述软计算基础理论、基本方法和成熟技术；综合应用篇着眼软计算在工程应用中复杂问题的求解，借以体现软计算的组合使用能力

•将软计算技术与人工智能技术统一在一个大的框架内

•知识点环环相扣，形成循序渐进的知识链，精选相应实例和专题，以便读者加深理解

•每章都附有习题，供读者练习与延拓

•既可作为高年级本科生、研究生教材，又可作为科研和工程技术人员参考资料

多年来，传统的优化方法和技术已经成功地应用于求解一类具有清晰定义结构/行为的系统，有时称为“硬”系统（Hard System）。一般地，称此类优化方法为确定型或清晰型优化方法。清晰型优化方法的基础是清晰的数字模型和精确的数学方法。然而，由于社会、生产和经济系统中常常存在多种形式的非确定性信息，如事件发生的随机性、数据的非精确性、语言的含糊性等，这些非确定性信息常来源于多种方式，其中包括测量误差、缺乏足够的历史/统计数据、缺乏足够可用的理论来描述和支持、知识表达的方式、人类的主观性判断或偏好等。这些形式的非确定性可以归类为两种类型，即随机非确定性（Stochastic Uncertainty）和模糊非确定性（Fuzzy Uncertainty）。随机非确定性的特点是信息的描述是清晰的，但非确定性以频率形式表现出来，这类系统常称为随机（非确定性）系统，常用基于概率理论的随机优化方法求解。

实际上，决策者并不认为通常的概率分布是正确的，对于一些非精确情形，特别是没有清晰界限（Sharp）的信息，与人类语言/行为相关的信息，或者由于受人类知识和认识所限而难以表达和清晰定义的信息等，这种非确定性信息统称为模糊性信息。具有模糊性信息的系统称为模糊系统，有时也称“软”系统（Soft-System）。这类系统的特点是，系统的行为/结构没有清晰的界定，系统的信息反映了人类的主观属性（Subjective Nature）和非精确性（Imprecision）。基于精确数学理论的优化方法和基于概率理论的随机优化方法都不能准确地描述这类系统的行为和特性，因而也不能有效地求解这类系统。起源于50年代并很快得到发展的计算智能，提供了处理这类软系统的建模和优化的有效方法和技术。基于计算智能的建模和优化方法称为软计算方法和智能优化方法。

多年来，随处可见关于智能优化方法的书籍，但是系统阐述软计算，特别是关于软计算与智能优化方法的书籍却不多见。软计算是混合的智能化计算方法，实际上它是不以精确解为目标的快速搜索较好解的计算方法，软计算是利用不精确性、不确定性和部分真方法的一个聚合体，它们结合起来比单独使用效果更好。用此方法得到的结果具有易处理性、鲁棒性与现实相一致性。软计算不是单一方法，而是具有合作关系的多种方法的集成。这些方法主要包括模糊计算、进化计算、神经计算、粗糙集方法、支持向量机方法、人工免疫算法、量子计算、蚁群算法等，它们是相互补充而不是相互竞争的。本书正是为满足读者系统了解软计算及与智能优化方法关系这一需求而编写的。

目前，许多学校正在对传统的教学内容进行改革，自动化、电子信息、测控技术与仪表、电气工程、系统工程、机电工程等专业迫切需要较多与信息相关的知识。由于这些专业的学生在本科阶段已较为扎实地掌握了人工智能的知识，在研究生阶段的着力点已转入人工智能理论与技术的综合应用。如何将人工智能的理论与技术在一个大的框架内以统一的视角用于解决工程实际问题，是本书着力的方向。

本教材是为电子信息及相关专业编写的。作为一门技术基础课，它以人工智能课程为先修课。既要学时少，又要让学生对软计算原理及其工程应用建立较全面的印象，同时还应该使学生学有所用，并为今后的发展打下基础，这是本书编写的指导思想。编者力求使本书避免与先修课程内容的重复，对本书必不可少的相关知识只做简单介绍。

本书阐述了软计算基本概念及与人工智能的关系，深入而系统地讨论了软计算的几个重要研究分支：模糊计算、神经计算、进化计算、集群计算、量子计算、自然计算等。在此基础上，介绍了将其综合应用于数据挖掘、工程规划、医学图像配准、故障诊断、系统辨识等领域的一些富有挑战性的研究课题及相应研究成果。

全书分为两篇，上篇为基础理论篇，下篇为综合应用篇。

上篇基础理论篇，共分7章，各章内容安排如下：

第1章 软计算概述。阐述软计算基本概念，剖析软计算与人工智能的关系，揭示软计算方法的广义模糊认知哲学基础。

第2章 模糊计算。就模糊集合、模糊关系、模糊推理的基本概念、基本原理和基本方法进行讨论，并给出模糊计算在工程技术中3个方面的应用实例，最后简要介绍粗糙集方法。

第3章 神经计算。阐述神经网络基本概念，讨论神经网络类型和神经网络学习算法，重点介绍几种典型的神经网络，给出神经计算在工程技术中的2个应用实例。

第4章 进化计算。阐述遗传算法基本概念，简要介绍进化策略和进化编程，给出进化计算在工程技术中的3个应用实例。

第5章 免疫计算。就人工免疫系统的生物学原理进行阐述，其中包括生物免疫学的发展、生物免疫系统、生物免疫原理、生物免疫系统对人工免疫系统研究的启示等内容，进而引出人工免疫概念，并讨论几种典型的人工免疫算法。

第6章 自然计算。介绍自然计算产生的背景；阐述自然计算的基本概念及主要研究领域；论述自然计算的基本特征；论述由自然启发获得自然计算模型的映射方法并构造自然计算系统的计算算法；对协同进化计算进行自然计算理念求证。最后，描述自然计算研究整体框架。

第7章 其他软计算方法。阐述群集智能基本概念，重点介绍其中的蚁群算法和粒子群算法，并将集群智能与其他计算智能进行比较；论述量子计算的基本概念、基本原理和基本方法，最后简要介绍支持向量机理论。

下篇综合应用篇，共分4章，各章内容安排如下：

第8章 模糊计算在复杂工业系统中的应用。以综合实例说明如何实现模糊计算在复杂工业系统中的应用，研究基于遗传算法的第二类模糊非线性规划问题求解、基于遗传算法的动态模糊聚类、模糊计算在洗衣机控制系统中的应用3个方面的问题。

第9章 遗传算法在医学图像配准中的应用。阐述医学图像配准的原理与方法；深入研究基于互信息的医学图像配准方法；详细分析局部极值的成因，提出采用降低图像灰度级的方法来抑制局部极值方法，并对该方法对配准速度和精度所产生的影响做详细的分析；针对Powell算法容易陷入局部极值，导致误配准的问题，引入基于实数编码的自适应遗传算法。采用两种算法相结合的混合优化算法，对三维多模态医学图像进行仿真实验。

第10章 人工免疫在故障诊断中的应用。研究基于免疫系统否定选择机理的设备异常检测方法，在对免疫系统否定选择机理及已有检测器算法进行分析的基础上，结合设备异常检测的实际需要，提出改进型否定选择算法，并将该改进后的算法用于变压器的故障诊断。实验结果与传统“三比值”法比较证明算法的有效性；借鉴免疫系统的克隆变异机理及已有的人工免疫系统成果，结合故障诊断的实际需要，研究具有故障诊断能力，同时又具有对故障样本的连续学习功能的故障诊断方法。实现故障诊断系统在对新的故障样本学习的过程中，保持已学知识。通过对标准样本的分类识别及实际的故障诊断实例验证所提出方法的有效性。

第11章 自然计算在系统辨识中的应用。论述自然计算系统整体框架和自然计算系统中的辨识机制，构造辨识系统的两种典型框架——RFG框架和NFG框架；讨论模糊优化基本术语及性质和传统模糊优化问题；研究回归方程和神经网络的结构辨识和参数辨识问题，构造回归方程和神经网络参数辨识的效用函数（目标函数）及用最大效用法进行参数辨识的模糊优化模型，并对模糊优化问题的遗传算法求解进行深入探讨；对基于RFG框架的系统辨识问题进行描述，说明回归模型辨识算法的基本策略，构造该算法的主要步骤和方法，给出其在飞边尺寸设计准则辨识中的应用实例；对基于NFG框架的系统辨识问题进行描述，说明神经网络模型辨识算法的基本策略，构造该算法的主要步骤和方法，给出其在飞边金属消耗设计准则辨识中的应用实例。对这两种辨识算法分别进行分析比较，实验验证它们的有效性。

本书可作为高等院校自动化、电子信息、测控技术与仪表、电气工程、系统工程、机电工程等专业的本科生和研究生教材，也可作为相关专业工程技术人员的自学参考书。

本书编者从事自动化专业的教学与科研10多年，积累了丰富的教学经验和可供参考的科研成果，对于本书的成功编写无疑将起到关键作用。

在本书编写过程中，得到了鲁蓉蓉老师的鼎立支持，研究生张伟刚、李晓光、李伟雄、赵削剑、宋彩霞的大力帮助，在此表示衷心的感谢！

由于作者水平有限，本书中不妥之处在所难免，恳请读者批评指正。

目 录
前言
上篇 基础理论篇

第1章 软计算概述 1
1.1 软计算基本概念 1
1.2 软计算与人工智能的关系 2
1.2.1 从传统人工智能到计算智能 2
1.2.2 软计算对计算智能的意义 3
1.3 软计算方法的广义模糊认知哲学基础 4
1.4 小结 8
习题1 8
第2章 模糊计算 9
2.1 模糊集合 9
2.1.1 模糊集合概念 9
2.1.2 隶属函数 10
2.1.3 模糊集合运算 11
2.1.4 模糊集合与普通集合的关系 11
2.2 模糊关系 12
2.2.1 模糊关系基本概念 12
2.2.2 模糊关系合成 13
2.2.3 模糊变换 13
2.3 模糊推理 13
2.3.1 模糊语言与语言变量 13
2.3.2 模糊命题与模糊条件语句 14
2.3.3 模糊推理 16
2.4 模糊计算在工程技术中的应用实例 17
2.4.1 模糊控制系统的原理与设计过程 17
2.4.2 模糊控制在电饭锅中的应用 18
2.4.3 模糊优化研究进展 21
2.5 粗糙集方法简介 22
2.6 小结 25
习题2 25
第3章 神经计算 27
3.1 神经网络基本概念 27
3.2 神经网络类型 28
3.3 神经网络学习算法 31
3.4 几种典型的神经网络 32
3.4.1 生物神经元模型 32
3.4.2 人工神经元模型 33
3.4.3 BP网络 34
3.4.4 Hopfield网络 38
3.5 神经计算在工程技术中的应用实例 41
3.5.1 神经网络控制的结构 41
3.5.2 神经控制在复杂系统中的应用 42
3.6 小结 44
习题3 44
第4章 进化计算 46
4.1 遗传算法 46
4.1.1 遗传算法基础理论 46
4.1.2 遗传算法研究进展 49
4.2 进化策略简介 51
4.3 进化编程简介 52
4.4 进化计算在工程技术中的应用实例 54
4.4.1 组织协同进化分类算法 54
4.4.2 AGAFCM算法 55
4.4.3 遗传算法在模糊控制中的应用 57
4.5 小结 59
习题4 60
第5章 免疫计算 61
5.1 人工免疫系统的生物学原理 61
5.1.1 生物免疫学的发展 61
5.1.2 生物免疫系统概述 62
5.1.3 生物免疫原理 63
5.1.4 生物免疫系统对人工免疫系统研究
的启示 66
5.2 人工免疫算法 67
5.2.1 从生物免疫系统到人工免疫系统 67
5.2.2 典型的人工免疫算法 67
5.3 小结 72
习题5 78
第6章 自然计算 79
6.1 自然计算产生背景 79
6.1.1 生物系统 79
6.1.2 生态系统 81
6.2 自然计算相关概念 82
6.2.1 基本概念 82
6.2.2 主要研究领域 82
6.3 自然计算基本特征 84
6.3.1 从人工智能到自然计算 84
6.3.2 自然计算的新特征 86
6.4 自然计算算法原理 89
6.4.1 自然计算映射模型 89
6.4.2 自然计算算法 90
6.5 协同进化计算的自然计算理念求证 91
6.5.1 协同进化的生物学基础 92
6.5.2 协同进化的动力学描述 95
6.6 自然计算研究整体框架 97
6.7 小结 97
习题6 98
第7章 其他软计算方法 99
7.1 群集智能 99
7.1.1 蚁群算法 99
7.1.2 粒子群算法 102
7.1.3 集群智能与其他计算智能的比较 103
7.2 量子计算 104
7.3 支持向量机 107
7.4 小结 108
习题7 108

下篇 综合应用篇

第8章 模糊计算在复杂工业系统中的应用 109
8.1 基于遗传算法的第二类模糊非线性
规划问题求解 109
8.1.1 第二类模糊非线性规划问题描述 109
8.1.2 FRNLP模型的常规容差法最优
模糊判决及求解 109
8.1.3 FRNLP模型的满意解和精确最优解 111
8.1.4 遗传算法在非线性规划上的运用 111
8.1.5 实验仿真 112
8.1.6 结论 112
8.2 基于遗传算法的动态模糊聚类 112
8.2.1 模糊聚类基本概念 112
8.2.2 将遗传算法用于迭代优化映射
平面的坐标 114
8.2.3 实验仿真 115
8.2.4 结论 118
8.3 模糊计算在洗衣机控制系统中的应用 118
8.3.1 模糊神经控制的知识基础 119
8.3.2 基于模糊神经网络的洗衣机控制
系统的设计 124
8.3.3 洗衣机模糊神经控制系统的实现 132
8.3.4 结论 136
8.4 小结 137
习题8 137
第9章 遗传算法在医学图像配准中的应用 138
9.1 医学图像配准研究背景 138
9.1.1 医学图像配准的意义 138
9.1.2 医学图像配准技术的发展历史 138
9.1.3 医学图像配准技术在临床上的应用 139
9.1.4 医学图像配准技术存在的问题 139
9.2 医学图像配准技术综述 139
9.2.1 图像配准的基本原理及概念 139
9.2.2 图像配准方法的分类 140
9.2.3 图像配准的主要过程 141
9.2.4 主要的医学图像配准方法 143
9.2.5 配准的评估 146
9.3 基于互信息的医学图像配准 146
9.3.1 基本概念 147
9.3.2 互信息配准的基本步骤 148
9.4 互信息局部极值的成因及抑制方法 155
9.4.1 互信息函数局部极值成因分析 155
9.4.2 基于压缩图像灰度级对局部极值
的抑制 157
9.4.3 配准实验 163
9.4.4 算法可靠性分析 166
9.5 互信息最优化搜索算法 167
9.5.1 基本遗传算法 167
9.5.2 改进遗传算法 169
9.5.3 实数编码自适应遗传算法配准实验 171
9.5.4 混合优化算法 173
9.6 小结 174
习题9 175
第10章 人工免疫在故障诊断中的应用 176
10.1 课题研究背景 176
10.1.1 研究目的及意义 176
10.1.2 人工免疫系统概述 176
10.1.3 故障诊断方法综述 178
10.2 基于否定选择算法的故障诊断方法 180
10.2.1 基于aiNet故障样本约减研究 181
10.2.2 基于否定选择算法的变压器
故障诊断方法 185
10.3 基于克隆变异机理的故障诊断
方法研究 190
10.3.1 免疫克隆变异机理与克隆
选择算法 191
10.3.2 故障诊断方法研究 191
10.4 小结 196
习题10 197
第11章 自然计算在系统辨识中的应用 198
11.1 课题研究背景 198
11.1.1 自然计算概念提出的背景 198
11.1.2 模糊优化研究进展及现状 199
11.1.3 遗传算法研究进展及现状 200
11.1.4 基于遗传算法的模糊优化在系统
辨识中的应用 201
11.2 自然启发的系统辨识 202
11.2.1 系统辨识基本性质 202
11.2.2 经典系统辨识 203
11.2.3 现代系统辨识 204
11.2.4 基于自然计算的系统辨识 215
11.2.5 RFG框架与NFG框架特点分析 220
11.3 系统辨识中的模糊优化 222
11.3.1 模糊优化相关概念 222
11.3.2 传统模糊优化问题 226
11.3.3 系统辨识中的模糊优化问题 232
11.4 模糊优化问题的遗传算法求解 238
11.4.1 基于正交设计的初始化方法 238
11.4.2 遗传参数适应性调整 240
11.4.3 沿加权梯度方向的变异及其权值
的自适应调整 242
11.4.4 遗传算法的改进策略 244
11.4.5 基于遗传算法的模糊优化求解的
有效性 244
11.5 基于自然计算的系统辨识实现 249
11.5.1 系统辨识的性能评估 250
11.5.2 基于RFG框架的系统辨识实现 251
11.5.3 基于RFG框架的系统辨识应用 255
11.5.4 基于NFG框架的系统辨识实现 262
11.5.5 基于NFG框架的系统辨识应用 267
11.6 小结 273
习题11 275
参考文献 277

1. 信息技术基础 [主编 唐倩 邵锐]
2. 大学计算机基础实验（WPS版） [主编　谢江宜　蔡勇]
3. 信息技术（微课版） [王云　徐江鸿　李清霞　罗学锋　]
4. 计算思维与大学计算机基础 [主编　赵旭剑]
5. 大学信息技术实训教程 [主编 任云晖 丁红 赵琳琳]
6. 大学信息技术教程 [主编 任云晖 冯政军 魏斌]
7. 信息技术基础立体化教程 [邹承俊 周洪林 刘和文 叶煜 ]
8. 大学计算机基础与计算思维 [主编 闵笛 汪莹]
9. 信息技术基础项目化教程 [主编 王宏斌 王万丽 王芳]
10. 大学计算机信息素养（第二版） [主编 卢山]
11. 全国计算机等级考试一级（MS Office）指导手册 [主编 王宏斌 孙元 禹晨]
12. 大学计算机基础实验指导及习题解析 [主编 闵笛 李明]
13. 大学计算机信息素养实验指导（第二版） [主编 卢山]
14. 信息技术基础（微课版） [主编　赵艳莉　喻林]
15. 大学信息技术基础 [主编 黎夏克 张倩文 王静]
16. 计算机信息素养基础实践教程 [王锦 姚晓杰 王立武 等 编著]
17. 计算机基础与应用实践教程 [杨毅 刘立君 张春芳 梁宁玉 ]
18. 计算机信息素养基础 [主编 陈艳 秦凯 黄海玉]
19. 计算机基础与应用 [主编 秦凯 梁宁玉 王毅]
20. 大学计算机基础上机实践教程（第六版） [主编 何振林 罗奕]
21. 大学计算机基础教程实验指导与测试题集 [主编 饶拱维 吴华光 巫满秀]
22. 大学计算机基础（等级考试版） [主编 钟诚]
23. 大学计算机基础教程（第二版） [主编 安志远 崔岩]
24. 计算机应用基础实训教程（第三版） [主 编 王向慧 康秀兰]
25. 计算机应用基础（第三版） [主 编 王向慧 康秀兰]
26. 计算机应用基础 [主编　赵艳莉]
27. 大学计算机基础案例教程（第二版） [主 编 叶潮流 金 莹]
28. 大学信息技术 [主编　连卫民　张志明　陈炎龙]
29. 新编计算机应用基础教程 [主编　戴毅　吴瑞芝　贾姗姗]
30. 计算机应用基础 [主编 谭慧 杨志茹]