智能计算是人工智能学科中一个非常重要的分支领域，该领域的快速发展进一步推动了人工智能的发展。本书系统地论述了智能计算的基础理论、主要算法模型及其应用。全书共10章，其中第1章介绍了人工智能和智能计算的基本概念及相互关系、智能计算的分类及应用情况；第2~4章详细介绍了智能计算的3个经典分支的理论及应用，即神经计算、模糊计算和进化计算；第5~9章深入介绍了智能计算领域中的新兴算法模型及其应用，包括群智能计算、密母计算、免疫计算、量子计算以及多目标智能计算；第10章进一步对智能计算的前沿技术进行了介绍和展望。每章都附有本章内容框图、习题和参考文献。
本书可作为高等院校计算机科学、人工智能、智能科学与技术、电子科学与技术、控制科学与工程等专业的本科生或研究生的教材，同时也为相关领域的研究人员和对智能计算技术及其应用感兴趣的工程技术人员提供参考。

第1章 概论
1.1 人工智能简介
1.1.1 人工智能概念
1.1.2 人工智能发展历史
1.1.3 人工智能三大学派
1.2 智能计算与人工智能
1.2.1 智能计算概念
1.2.2 智能计算与人工智能的联系
1.3 智能计算分类
1.3.1 神经计算
1.3.2 模糊计算
1.3.3 进化计算
1.3.4 群智能计算
1.3.5 密母计算
1.3.6 免疫计算
1.3.7 量子计算
1.4 智能计算应用领域
1.4.1 智能计算在军事领域的应用
1.4.2 智能计算在数据挖掘领域的应用
1.4.3 智能计算在系统仿真领域的应用
1.4.4 智能计算在机器视觉领域的应用
1.4.5 智能计算在智能制造领域的应用
本章小结
习题
参考文献
第2章 神经计算
2.1 生物神经系统
2.1.1 生物神经元结构及工作机制
2.1.2 生物神经系统特点
2.2 人工神经网络
2.2.1 人工神经网络基本概念
2.2.2 人工神经网络模型
2.3 学习算法
2.3.1 单层感知器及其学习算法
2.3.2 BP神经网络及其学习算法
2.4 人工神经网络的类型
2.4.1 前馈神经网络
2.4.2 反馈神经网络
2.5 深度神经网络
2.5.1 从浅层神经网络到深度神经网络
2.5.2 卷积神经网络
2.5.3 循环神经网络
2.5.4 生成对抗网络
2.6 神经计算应用
2.6.1 文字识别
2.6.2 语音识别
2.6.3 图像生成
本章小结
习题
参考文献
第3章 模糊计算
3.1 模糊集合
3.1.1 模糊集合的定义
3.1.2 隶属度函数定义
3.1.3 模糊集合的表示
3.1.4 隶属度函数确定方法
3.1.5 模糊集合的运算
3.2 模糊关系及其合成
3.2.1 模糊矩阵
3.2.2 模糊关系
3.2.3 模糊关系的合成
3.3 模糊推理
3.3.1 模糊知识表示
3.3.2 模糊推理规则
3.3.3 模糊判决
3.4 模糊计算应用
3.4.1 模糊C均值聚类算法
3.4.2 模糊控制
本章小结
习题
参考文献
第4章 进化计算
4.1 进化计算的生物背景
4.1.1 进化计算的起源
4.1.2 进化计算的历史
4.1.3 进化计算的基本过程及分类
4.2 遗传算法
4.2.1 基本遗传算法的原理
4.2.2 遗传算法的求解过程
4.2.3 模式理论与积木块假设
4.2.4 改进的遗传算法
4.2.5 遗传算法应用
4.3 进化策略、进化规划与遗传规划
4.3.1 进化策略
4.3.2 进化规划
4.3.3 遗传规划
本章小结
习题
参考文献
第5章 群智能计算
5.1 群智能概述
5.1.1 群智能基本概念
5.1.2 群智能算法基本思想
5.2 PSO 算法
5.2.1 PSO算法背景
5.2.2 用于连续优化问题的PSO算法模型
5.2.3 PSO算法求解实例
5.2.4 PSO算法改进模型
5.2.5 PSO算法应用
5.3 蚁群算法
5.3.1 蚁群算法背景
5.3.2 用于离散优化问题的蚁群算法模型
5.3.3 蚁群算法求解实例
5.3.4 蚁群算法改进模型
5.3.5 蚁群算法应用
5.4 菌群算法
5.4.1 菌群算法背景
5.4.2 菌群算法原理
5.4.3 菌群算法应用
5.5 其他群智能模型
5.5.1 人工鱼群算法基本原理
5.5.2 狼群算法基本原理
本章小结
习题
参考文献
第6章 密母计算
6.1 混合智能计算基本概念
6.2 单点搜索算法
6.2.1 模拟退火算法
6.2.2 梯度下降算法
6.2.3 爬山算法
6.3 密母算法
6.3.1 密母算法的基本思想
6.3.2 密母算法的一般框架
6.3.3 超启发式局部搜索策略
6.3.4 协同进化局部搜索策略
6.4 基于密母算法的社团检测
6.4.1 问题定义
6.4.2 贪心算法
6.4.3 算法描述
6.4.4 实验结果及分析
6.5 基于混合多目标蚊群优化算法的社团检测
6.5.1 混合多目标蚁群优化算法的基本概念
6.5.2 目标函数的选择
6.5.3 算法描述
6.5.4 实验结果及分析
6.6 基于爬山算法的改进遗传算法
本章小结
习题
参考文献
第7章 免疫计算
7.1 免疫计算生物学背景
7.1.1 免疫系统
7.1.2 免疫应答机制
7.1.3 生物免疫系统的免疫理论
7.1.4 生物免疫系统的动力学基础
7.2 免疫计算基础
7.2.1 免疫计算研究概况
7.2.2 免疫计算分类
7.2.3 基本免疫算法
7.3 克隆选择算法
7.3.1 克隆选择算法的基本过程
7.3.2 克隆选择算法求解实例
7.4 免疫算法
7.4.1 否定选择算法
7.4.2 免疫网络算法
7.4.3 免疫多目标模型
7.4.4 混合免疫模型
7.5 免疫计算应用
本章小结
习题
参考文献
第8章 量子计算
8.1 量子计算物理基础
8.1.1 量子算法
8.1.2 量子系统中的叠加、相干与坍缩
8.1.3 最子态的干涉
8.1.4 量子态的纠缠
8.1.5 量子计算的并行性
8.2 量子计算模型
8.2.1 Grover搜索算法
8.2.2 量子退火算法
8.2.3 量子进化算法
8.2.4 量子神经网络
8.2.5 量子贝叶斯网络
8.2.6 量子小波变换
8.3 量子智能优化算法
8.3.1 量子智能优化聚类算法
8.3.2 量子智能优化算法应用
本章小结
习题
参考文献
第9章 多目标智能计算
9.1 多目标优化概述
9.1.1 多目标优化基本概念
9.1.2 多目标优化数学模型
9.1.3 多目标优化发展历程
9.1.4 多目标优化收敛性分析
9.2 进化多目标优化
9.2.1 非支配排序遗传算法
9.2.2 基于分解的进化多目标优化算法
9.2.3 基于正则模型的多目标分布估计算法
9.3 复杂多目标优化模型
9.3.1 动态多日标优化
9.3.2 高维多目标优化
9.3.3 偏好多目标优化
9.3.4 噪声多目标优化
9.4 多目标智能计算相关应用
本章小结
习题
参考文献
第10章 新型智能计算
10.1 智能计算前沿技术
10.1.1 图神经网络
10.1.2 面向昂贵优化问题的进化计算
10.2 智能计算展望
10.2.1 进化计算与神经计算结合
10.2.2 神经网络架构进化搜索
本章小结
习题
参考文献