出版说明
前言
第49篇智能设计
章智能模拟的科学
1信息社会与思维科学49-3
1.1思维与思维科学49-3
1.2思维的类型49-3
1.2.1抽象(逻辑)思维学49-3
1.2.2形象(直觉)思维学49-5
1.2.3灵感(顿悟)思维学49-6
2思维的基础和认知的发展49-7
2.1思维与智能49-7
2.2思维的神经基础49-7
2.3认知发展49-8
2.3.1皮亚杰认知发展理论49-8
2.3.2斯腾伯格的认知三元素理论49-9
2.3.3信息加工理论49-9
2.3.4思维的瞬间达尔文进化机制理论49-9
2.3.5广义进化认知模式49-10
2.3.6复杂自适应系统49-10
2.3.7认知发展总论49-11
3智能模拟49-12
3.1智能模拟的科学基础49-12
3.2智能模拟的哲学基础49-12
3.3智能模拟的基本途径49-12
3.3.1基于逻辑推理的智能模拟——符号主义(symblism)49-12
3.3.2基于神经网络的智能模拟——联结主义(connectionism)49-13
3.3.3基于“感知—行动”的智能模拟——行为主义(behaviourism)49-13
第2章智能设计方法和技术综述
1智能设计的发展概述49-15
1.1CAD的发展49-15
1.2智能设计的两个阶段49-15
2智能设计的概念和特征49-16
2.1智能设计的特点49-16
2.2智能设计技术的研究重点49-16
2.3智能化方法的分类和智能设计的层次49-17
2.3.1智能化方法的分类49-17
2.3.2智能设计的层次49-17
2.4智能设计的基本方法49-18
2.4.1智能设计的分类49-18
2.4.2智能设计系统与技术49-19
3智能设计体系和知识表达49-20
3.1智能设计体系49-20
3.1.1智能设计的抽象层次模型49-21
3.1.2设计知识的结构体系49-21
3.1.3智能设计的集成求解策略49-22
3.1.4智能设计集成求解策略的工程应用49-23
3.2智能设计的知识表达49-23
3.3智能设计的基因模型表达49-27
3.3.1知识模型49-27
3.3.2基因模型49-27
第3章进化设计技术与方法
1进化设计技术基础49-29
1.1遗传算法的概貌49-29
1.2单纯型遗传算法49-30
1.3模式定理(schematatheorem)49-33
1.4遗传算法的有关操作规则和方法49-33
1.5多个体参与交叉的遗传算法49-36
1.6多目标进化算法简介49-39
1.6.1传统多目标算法及其存在问题49-39
1.6.2Pareto多目标进化算法49-40
1.6.3几种主要的多目标进化算法49-43
1.6.4扩展Pareto进化算法(ExtendedParetoEvolutionaryAlgorithm,EPEA)49-44
1.6.5算例49-45
2基于进化的健壮性设计方法49-47
2.1健壮性开发方法的基本思路49-47
2.2基于进化的健壮性设计方法的总体框架49-49
2.3基于进化的健壮性设计方法的说明49-51
3结构智能优化设计——进化设计49-52
3.1结构智能设计的概念49-52
3.2结构进化智能优化设计49-53
3.3基于进化的桁架结构相位设计49-53
3.4基于进化的结构非线性强制振动解法49-54
3.5基于进化的圆抛物面天线健壮结构设计49-56
3.5.1圆抛物面天线结构设计的要求和特点49-56
3.5.2天线反射面精度计算49-58
3.5.3最佳吻合抛物面各点对原设计面相应点的半光程差49-58
3.5.410m圆抛物面天线健壮设计模型49-59
3.5.510m圆抛物面天线体结构的健壮性设计过程49-61
3.5.6总结49-69
4供应链库存策略的进化重组49-70
4.1供应链运行策略的持续改进49-70
4.2供应链中的库存设置49-71
4.3供应链运行过程中的库存控制策略49-72
4.4敏捷供应链多级库存策略重组模型49-74
第4章自组织设计技术与方法
1自组织技术基础49-79
1.1“生命的游戏”49-79
1.2元胞自动机的基础49-80
1.3元胞自动机的自组织建模方法49-83
1.4元胞自动机的应用领域49-85
2结构拓扑的自组织进化49-86
2.1结构拓扑优化中的ECA规则49-86
2.2ECA规则的进化表达49-88
2.3结构拓扑形态优化的算例49-88
第5章自学习设计技术与方法
1自学习技术基础49-90
1.1神经网络的主要特点49-90
1.2细胞元模型49-91
1.3神经网络模型49-93
1.4神经网络的学习49-94
1.5多层前向神经网络(BP网络)49-97
1.6典型反馈网络——Hopfield网络49-103
1.7基于概率学习的Boltzmann机模型49-106
2非线性振动的自学习建模49-109
2.1神经网络和系统识别49-109
2.2非线性振动脉冲响应的学习和系统预测49-110
2.3Duffing振动的学习和预测49-111
2.4预测精度和泛用性的考察49-113
3基于学习的机械系统特性预测49-115
3.1机械系统特性预测的问题49-115
3.2机械系统特性预测的基本模型49-116
3.3雷达结构系统固频的预测例49-116
4神经网络专家系统的智能设计体系结构49-117
4.1建立人工神经网络专家系统的必要性49-118
4.2面向设计的智能平台49-118
4.2.1专家系统和神经网络的结合方式49-118
4.2.2智能平台的“外壳”结构49-118
……