交互式遺傳算法將傳統(tǒng)的進化機制與用戶的智能評價相結(jié)合，可以有效地解決性能指標難以(甚至無法)用精確函數(shù)表示的一類復雜優(yōu)化問題。但是，用戶評價的不確定性和評價疲勞問題等極大地影響了交互式遺傳算法的性能，嚴重制約了其在復雜優(yōu)化問題中的應用�！陡呒壗换ナ竭z傳算法理論與應用》以解決這些問題為切入點，在遺傳算法的框架體系下，主要

云模型是研究定性概念與定量數(shù)值之間相互轉(zhuǎn)換的不確定性認知模型。粒計算是當前計算智能研究領域中模擬人類思維和解決復雜問題的新方法。它覆蓋了所有有關粒度的理論、方法和技術，是研究復雜問題求解、海量數(shù)據(jù)挖掘和模糊信息處理等問題的有力工具�！读Ｓ嬎阊芯繀矔�：云模型與粒計算》介紹云模型與粒計算交叉研究的最新進展，由國內(nèi)外相關領域

人工智能是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學科。本書共16章：第1～6章討論人工智能的認知問題和自動推理，論述邏輯基礎、約束推理、定性推理、基于案例的推理、概率推理；第7～14章重點討論機器學習和知識發(fā)現(xiàn)，包括歸納學習、支持向量機、解釋學習、強化學習、無監(jiān)督學習、關聯(lián)規(guī)則、進化計算、知識發(fā)現(xiàn)；第15章闡述

《仿生智能計算》在對仿生智能計算的基本概念、類型及發(fā)展情況進行闡述的基礎上，從馬爾可夫鏈、離散參數(shù)鞅、隨機逼近等角度給出了仿生智能計算的數(shù)學基礎，隨后對目前幾種典型的仿生智能計算方法從原理、收斂性分析、應用實例等角度分別做了闡述，這些算法主要包括、遺傳算法、蟻群算法、微粒群算法、免疫算法、神經(jīng)網(wǎng)絡、DNA計算及心腦計算

《計算智能》全書共4個部分，分別介紹了計算智能的4個典型代表：演化計算、群體智能算法、人工神經(jīng)網(wǎng)絡和Fuzzy計算，第1部分介紹了遺傳算法、遺傳程序設計、演化策略和演化規(guī)劃4種主要的演化計算技術；第2部分介紹了粒子群優(yōu)化和蟻群優(yōu)化兩種具有代表性的群體智能算法；第3部分介紹了人工神經(jīng)網(wǎng)絡的基本概念和學習算法；第4部分介紹

本書對增強學習與近似動態(tài)規(guī)劃的理論、算法及應用進行了深入研究和論述。主要內(nèi)容包括：求解Markov鏈學習預測問題的時域差值學習算法和理論，求解連續(xù)空間Markov決策問題的梯度增強學習算法以及進化一梯度混合增強學習算法，基于核的近似動態(tài)規(guī)劃算法，增強學習在移動機器人導航與控制中的應用等。本書是作者在多個國家自然科學基金