智能控制理论和方法-(第二版)
内容简介
[
本书较全面地论述了智能控制的理论、方法和应用。全书共分9章。主要内容包括：智能控制的发展过程和基本概念；从信息和熵的概念出发，论述三级递阶智能控制的机理；模糊控制、神经元网络、遗传算法、蚁群算法、人工免疫算法以及粒子群算法的基本原理和它们在智能控制中的应用。
本书可作为高等院校工科电子信息类自动控制科学与工程专业研究生和高年级本科生教材，也可供从事相关专业的科技人员参考。
]
目录
第1章 绪论1.1 控制科学发展的历史回顾1.2 智能控制的产生背景1.3 智能控制的基本概念与研究内容1.3.1 智能控制的基本概念1.3.2 智能与智能控制的定义1.3.3 智能控制的主要研究内容参考文献 第2章 智能控制系统的结构体系2.1 智能控制系统的基本结构2.2 智能控制系统的分类2.3 递阶智能控制系统的结构和理论2.3.1 递阶智能控制系统的结构2.3.2 信息熵与ipdi原理2.3.3 组织级的分析理论2.3.4 协调级的分析理论2.3.5 执行级的*优控制2.4 智能控制系统的信息结构理论2.4.1 n维信息理论2.4.2 信息率划分定律2.4.3 对递阶智能控制系统的信息流分析习题与思考题参考文献 第3章 基于模糊推理的智能控制系统3.1 模糊控制系统的基本概念与发展历史3.2 模糊集合与模糊推理3.2.1 模糊集合3.2.2 模糊集合的运算和mf的参数化3.2.3 模糊关系与复合运算3.2.4 模糊推理3.3 模糊推理系统3.4 模糊基函数3.5 模糊建模3.5.1 模糊模型3.5.2 模糊模型的参数辨识3.5.3 模糊模型的结构辨识3.6 模糊逻辑控制器的结构与设计3.6.1 模糊控制器的基本结构3.6.2 模糊控制系统的设计问题3.6.3 pid控制器的模糊增益调整3.7 模糊控制系统的稳定性分析习题与思考题参考文献 第4章 基于神经元网络的智能控制系统4.1 神经元网络与控制4.2 神经元网络的基本原理和结构4.2.1 神经元网络的基本单元4.2.2 神经元网络的模型4.2.3 神经元的连接方式4.3 监督学习神经元网络4.3.1 感知器和反传(bp)网络4.3.2 小脑模型连接控制器(cmac)网络4.3.3 增强学习网络4.3.4 组合网络(modular network)4.4 无监督学习和反馈神经元网络4.4.1 竞争学习和kohonen自组织网络4.4.2 hopfield网络4.4.3 双向联想存储器bam4.4.4 boltzman机4.5 基于神经元网络的智能控制4.5.1 基于多神经元网络的复杂函数逼近4.5.2 用神经元网络对复杂系统建模4.5.3 用神经元网络进行的智能控制4.6 神经元网络控制非线性动态系统的能控性与稳定性习题与思考题参考文献 第5章 遗传算法及其在智能控制中的应用5.1 遗传算法的基本概念5.2 简单遗传算法5.3 遗传算法的基本数学问题5.4 遗传算法应用中的一些基本问题5.4.1 知识表示(编码)5.4.2 适应度函数5.4.3 ga的全局收敛性与*优性5.4.4 遗传算法的早期收敛5.5 高级遗传算法5.5.1 改进的选择方法5.5.2 高级ga运算5.6 微种群和双种群遗传算法5.6.1 微种群算法5.6.2 双种群遗传算法5.7 遗传算法的应用5.7.1 ga在神经网络参数学习中的应用5.7.2 ga在滑模控制系统设计中的应用5.8 模糊规则与遗传算法在控制中的应用习题与思考题参考文献 第6章 模糊—神经元网络及其在智能控制中的应用6.1 模糊系统与神经元网络集成的基本概念6.1.1 模糊系统与神经元网络的一般比较6.1.2 模糊系统与神经网络集成的理由6.2 基于神经元网络的模糊系统6.2.1 基于神经元网络的基本模糊逻辑运算6.2.2 基于神经网络的模糊逻辑推理6.2.3 神经网络驱动的模糊推理系统6.2.4 基于神经网络的模糊建模6.3 模糊神经网络6.3.1 模糊神经元6.3.2 神经网络模糊化6.4 神经-模糊控制器6.4.1 模糊自适应学习控制网络6.4.2 神经-模糊控制器的参数学习6.4.3 神经-模糊控制器的结构学习6.4.4 具有增强学习的神经-模糊控制器6.5 神经-模糊网络在智能控制中的应用6.5.1 控制系统在线辨识6.5.2 逆向运动学问题习题与思考题参考文献 第7章 蚁群算法及其在智能控制中的应用7.1 引言7.2 蚁群觅食奥秘7.2.1 蚁群觅食7.2.2 蚁群的信息系统及使用机制7.3 基本人工蚁群算法7.3.1 人工蚁群与真实蚁群7.3.2 基本的人工蚁群算法原理7.3.3 基本人工蚁群算法模型7.3.4 蚁群算法的蚁密模型、蚁量模型和蚁周模型7.3.5 蚁群算法的参数7.3.6 用蚁群算法求解tsp问题仿真示例7.3.7 基本蚁群算法的收敛性7.4 改进的蚁群优化算法7.4.1 带精英策略的蚁群算法7.4.2 基于优化排序的蚁群算法7.4.3 *大—*小蚁群算法7.5 用蚁群算法求解job shop问题7.5.1 经典job shop问题的描述7.5.2 基于蚁群算法job shop调度问题求解习题与思考题参考文献 第8章 人工免疫算法及其在智能控制中的应用8.1 引言8.1.1 自然免疫系统的组成8.1.2 自然免疫系统的机理8.2 人工免疫系统与基本免疫算法简介8.2.1 人工免疫系统定义8.2.2 基本的人工免疫算法8.3 基于生发中心反应的全局优化算法8.3.1 生发中心反应机理8.3.2 基于生发中心的全局优化算法8.3.3 goaia-gcr的收敛性证明8.4 人工免疫网络算法(ainet)8.4.1 人工免疫网络简介8.4.2 人工免疫网络算法在数据分析中的应用习题与思考题参考文献第9章 粒子群算法及其在智能控制中的应用9.1 引言9.2 基本粒子群算法9.2.1 基本粒子群算法的原理9.2.2 基本粒子群算法9.2.3 带惯性权重的粒子群算法9.2.4 带收缩因子的粒子群算法9.3 粒子群算法的分析9.3.1 标准pso算法分析9.3.2 pso算法在二维空间的收敛分析9.4 几种改进的粒子群算法9.4.1 离散粒子群优化算法9.4.2 小生境粒子群优化算法9.5 粒子群算法在智能控制中的应用9.5.1 用pso算法求解tsp的应用9.5.2 在机器人控制领域的应用习题与思考题参考文献
封面
书名:智能控制理论和方法-(第二版)
作者:李人厚 主编
页数:299
定价:¥33.0
出版社:西安电子科技大学出版社
出版日期:2013-02-01
ISBN:9787560629667
PDF电子书大小:98MB 高清扫描完整版