全书分八章，四部分。其中第一部分讲述了计算智能的基本概念，研究内容及其军事应用的领域，第二部分讲述了模糊数学的基本理论和基本方法以及在战场环境污染分析和军事训练项目立项评价中的应用；第三部分讲述了遗传算法的基本理论和改进方法以及在军事训练项目立项决策中的应用；第四部分讲述了人工神经网络的基本理论和基本方法，重点介绍了BP算法和GA—BP算法，并结合军事训练项目群立项综合评价问题做了比较应用。

百科名片

前 言

本书特色：

目录

百科名片

书名：计算智能及其军事应用编著：袁力哲 马骏 周辉

出版社：蓝天出版社

出版日期：2008年10月

前 言

科学技术的不断进步使得军事领域的各个方面都发生了革命性的变革和质的飞跃。当前，以计算机和信息技术为核心的新军事变革，使得现代战争呈现出的特点已不再是过去的以“大”吃“小”，而是现在的“快”吃“慢”。加快信息处理速度，争夺战场信息优势，运用智能化的武器装备，已经成为21世纪战争的基本形态。面对这一重大变革，世界各国军队都在调整军事战略，其中发展先进的计算技术已成为各国军队的共同选择。

在信息化条件下的现代战争中，现代计算技术是影响军事技术发展进程、武器装备现代化程度和国防与军队管理水平的重要因素。计算智能是借助现代计算工具模拟人的智能机制、生命演化过程和人的智能行为而进行信息获取、问题分析、理论应用和方法生成的一种计算技术。近年来，在新的形势下，国家安全和军事领域中出现了许多新的问题，有些问题难以用传统方法来解决，甚至在某些情况下还不能完全将它们表示出来。为此，人们采用包括模糊数学、神经网络和遗传算法在内的计算智能来解决这些问题，取得了一些新的进展。目前，计算智能在军事领域中的应用已涉及到作战指挥、信息处理、管理决策、智能控制、专家系统、故障诊断等方面，并将不断拓宽深入。

本书特色：

1．结构完好，内容丰富。在结构安排上，本书并不是简单收集了至今为止计算智能的研究成果，而是在编写具体内容前，先建立了计算智能研究内容的基本框架，然后再将具体内容嵌入这个结构中。在内容的安排上，本书先介绍了模糊数学的基本内容和应用，再介绍了进化计算中的遗传算法的理论、方法和应用，最后介绍了人工神经网络的理论、模型、算法及其与遗传算法的融合，在附录部分还对部分问题给出了源程序。总体上看，本书结构安排合理，内容全面。

2．联系实际，实践性强。本书作为目前国内第一本反映计算智能在军事上应用的专著，始终注意将所研究的内容与部队的实际问题联系在一起，注意理论学习与官兵的实际生活相结合，并注意算法阐述和编程实践相结合。这种由浅入深的方式既可以将深奥的理论变得通俗易懂，便于读者融会贯通，举一反三，对书中的源程序，读者只需稍作修改，就可以将计算智能这个工具更多地运用到实践中去。

3．清晰准确，有所创新。对于任何一本书来说，清晰且符合逻辑的表达是非常关键的。本书采用准确的语言来描述概念，推导方法，得出结论，阐述力求准确、精练。本书在吸收前人成果的基础上，又结合作者的研究和教学实践，对计算智能在军事上的应用做了一些拓展和延伸，所取得的成果反映了当前计算智能的研究方向。

虽然计算智能的理论结构还存在许多未解的难题，但它在应用领域所取得的成功十分鼓舞人心。编写本书的目的就在于将计算智能引入到军事领域，希望能起到抛砖引玉的作用，希望更多的研究者使用和创新这一方法、技术，为军事科学技术的发展做出更多的贡献。

目录

第一章 绪 论 (1)

第一节 计算智能的基本概念 (2)

第二节 计算智能的研究内容及其军事应用 (9)

第三节 计算智能的算法基础 (30)

第二章 模糊数学的理论基础 (36)

第一节 模糊数学的起源和发展 (36)

第二节 模糊集合基本理论 (43)

第三节 模糊关系与模糊矩阵 (63)

第三章 模糊模式识别的理论和方法 (77)

第一节 模糊模式识别概述 (77)

第二节 模糊模式识别的直接方法 (82)

第三节 模糊模式识别的间接方法 (85)

第四章 模糊聚类分析理论及其应用 (90)

第一节 模糊聚类分析概述 (90)

第二节 战场环境污染的模糊聚类分析 (104)

第五章 模糊综合评价理论及其应用 (114)

第一节 模糊综合评价的基本理论 (115)

第二节 军事训练项目立项的模糊综合评价法 (139)

第六章 遗传算法的理论及其应用 (155)

第一节 遗传算法的基本理论和结构 (156)

第二节 遗传算法的关键技术及其改进 (182)

第三节 遗传算法在立项决策中的应用 (211)

第七章 人工神经网络的理论和模型 (220)

第一节 人工神经网络概述 (221)

第二节 人工神经网络的基本模型 (240)

第八章 BP神经网络模型及其改进 (265)

第一节 BP神经网络的基本原理 (266)

第二节 BP网络在项目群立项评价中的应用 (279)

第三节 基于GA－BP算法的项目群立项评价模型 (284)

附录 遗传算法优化BP神经网络权值的源程序 (291)

参考文献 (308)