马瓦拉、拉贾左著的《基于计算智能的军事冲突建模》将计算智能方法应用到了求解国际军事冲突问题的建模方面，通过对导致国与国之间走向战争或重建和平的若干特征因素的提取及分析构建数据库，再通过几类计算智能算法的应用，预测战争发生的可能性，进而可进行预警判断与分析，最终也许会以和平手段解决国际冲突。

本书所涉及的研究课题在国内尚不多见，我们希望本书的翻译出版能够填补这一空白，并引起学术界对此类问题的关注，以最小的代价化解国家之间的冲突而重建和平。

马瓦拉、拉贾左著的《基于计算智能的军事冲突建模》通过利用计算智能的军事冲突建模，探讨了计算智能方法在冲突建模中的应用。传统的冲突建模以博弈论为基础。当需要处理三个以上参与者的博弈，以及克服博弈论内在的局限性时，利用计算智能的冲突建模就成为我们的首选。

国际军事争端定义为两国或多国之间的一组摩擦互动，这可能导致军事力量的炫耀、武力威胁或者明确地使用武力。这些摩擦互动可能会以和平或战争收尾。本书研究了关键变量之间的关系以及对两国之间冲突的风险进行建模。这些关键变量包括，同盟国一一衡量军事同盟存在与否，近邻国一一衡量国家之间是否共享一个共同的边界，以及军事大国——衡量其中一个或两个国家是否都是军事大国。

利用计算智能的军事冲突建模采用各种多层感知神经网络、贝叶斯网络、支持向量机、神经模糊模型、粗糙集模型、神经粗糙集模型以及优化的粗糙集模型等实施工具来创建给定变量之间存在冲突风险的评估模型。其次，这些模型用来研究每个变量对冲突风险的敏感性。此外，也提出了一个如何使用这些模型来达成“和平”可能性的框架。最后，还论及了冲突建模的一些新兴主题并提出下一步工作要点。

第1章 国际冲突建模：老问题的新发展

 1.1 引言

 1.2 关于国际冲突理论与方法的结合

 1.3 导致战争与和平的多条汇合路径的复杂性

 1.4 计算智能在国际冲突分析中的应用

1.4.1 灵活性

1.4.2 交互性

1.4.3 附属国的赞同

 1.5 数据与变量

 1.6 本书概要

 参考文献

第2章 基于自关联检测法的国际冲突识别

 2.1 引言

 2.2 数学框架

2.2.1 神经网络

2.2.2 贝叶斯框架

2.2.3 自关联测定

 2.3 国际冲突应用

 2.4 结论

 2.5 下一步工作

 参考文献

第3章 基于多层感知器和径向基函数的国际冲突建模

 3.1 引言

 3.2 数学框架

3.2.1 用于分类问题的多层感知器

3.2.2 径向基函数

3.2.3 模型选择

 3.3 MLP模型与RBIF模型对比

 3.4 国际冲突应用

 3.5 结论

 3.6 下一步工作

 参考文献

第4章 基于贝叶斯方法的国际冲突建模

 4.1 简介

 4.2 神经网络

 4.3 采样方法

4.3.1 蒙特卡洛方法

4.3.2 马尔可夫链蒙特卡洛法

4.3.3 基于遗传算法的马尔可夫链蒙特卡洛采样-

4.3.4 模拟退火

4.3.5 吉布斯采样

 4.4 高斯逼近法

 4.5 混合蒙特卡洛法

 4.6 随机动力学模型

 4.7 采样方法对比

 4.8 国际冲突建模

 4.9 结论

 4.10 下一步工作

 参考文献

第5章 基于支持向量机的国际冲突建模

 5.1 引言

 5.2 背景

5.2.1 机器学习

5.2.2 人工神经网络

5.2.3 支持向量机

5.2.4 国际冲突建模

 5.3 结果与讨论

 5.4 结论

 5.5 下一步工作

 参考文献

第6章 基于模糊集合的国际冲突建模

 6.1 引言

 6.2 计算智能

6.2.1 基本模糊逻辑理论

6.2.2 模糊神经模型

6.2.3 支持向量机

 6.3 知识提取

6.3.1 分类结果

6.3.2 模糊规则的提取

 6.4 结论

 6.5 下一步工作

 参考文献

第7章 基于粗糙集的国际冲突建模

 7.1 引言

 7.2 粗糙集

7.2.1 信息系统

7.2.2 不可分关系-

7.2.3 信息表和数据表达

7.2.4 决策规则归纳

7.2.5 集合的上、下近似

7.2.6 集合的近似

7.2.7 约简

7.2.8 边界域

7.2.9 粗糙隶属度函数

 7.3 离散化方法

7.3.1 等宽槽分区

7.3.2 等频槽分区

 7.4 粗糙集规划

 7.5 神经模糊系统

 7.6 粗糙集和模糊集

 7.7 国际冲突建模

 7.8 结论

 7.9 下一步工作

 参考文献

第8章 基于粒子群优化和爬山法优化粗糙集的国际冲突建模

 8.1 简介

 8.2 粗糙集

 8.3 优化方法

8.3.1 粒子群优化

8.3.2 爬山法

 8.4 爬山法与粒子群优化对比

 8.5 国际冲突建模

 8.6 结论

 8.7 下一步工作

 参考文献

第9章 基于模拟退火优化粗糙集的国际冲突建模

 9.1 引言

 9.2 粗糙集

 9.3 优化方法

9.3.1 模拟退火

9.3.2 粒子群优化

 9.4 粒子群优化与模拟退火

 9.5 国际冲突建模

 9.6 结论

 9.7 下一步工作

 参考文献

第10章 基于优化粗糙集的遗传算法的国际冲突建模

 10.1 引言

 10.2 粗糙集

 10.3 优化方法

10.3.1 遗传算法

10.3.2 模拟退火

 10.4 遗传算法与模拟退火算法对比

 10.5 国际冲突建模

 10.6 结论

 10.7 下一步工作

 参考文献

第11章 基于神经粗糙集的国际冲突建模

 11.1 引言

 11.2 粗糙集

11.2.1 粗糙隶属度函数

11.2.2 粗糙集精度

11.2.3 粗糙集建模流程

 11.3 多层感知器

 11.4 神经一粗糙集模型-

 11.5 贝叶斯粗糙集

 11.6 马尔可夫链蒙特卡洛模拟

 11.7 用遗传算法优化的粗糙集模型

 11.8 国际冲突建模

 11.9 结论

 11.10 下一步工作

 参考文献

第12章 基于计算方法的早期预警与冲突预防

 12.1 引言

 12.2 早期预警与冲突预防：理论、方法及相关问题

12.2.1 领域研究进展

12.2.2 挑战

 12.3 计算智能用于早期预警与冲突预防

12.3.1 控制国际冲突

12.3.2 控制系统

12.3.3 贝叶斯网络

12.3.4 黄金分割搜索方法

12.3.5 模拟退火方法

12.3.6 民主、盟友、实力和从属性的调控”

 12.4 结论

 12.5 下一步工作

 参考文献

第13章 结论与最新进展

 13.1 引言

 13.2 计算智能领域的新近发展

 13.3 国际冲突建模的新近发展