《計算智能》全書共4個部分，分別介紹了計算智能的4個典型代表：演化計算、群體智能算法、人工神經網絡和Fuzzy計算，第1部分介紹了遺傳算法、遺傳程序設計、演化策略和演化規劃4種主要的演化計算技術；第2部分介紹了粒子群優化和蟻群優化兩種具有代表性的群體智能算法；第3部分介紹了人工神經網絡的基本概念和學習算法；第4部分介紹了Fuzzy計算的基本理論及應用。
《計算智能》可作為相關專業的高年級本科生或研究生教材，也可供從事計算智能研究的相關教師和研究人員參考。
隨著國民經濟的快速發展，科學和技術研究中提出的計算問題越來越多，越來越復雜，計算機及其應用軟件的迅猛發展為這些計算問題的解決創造了良好的條件，而培養一大批以數學和計算機為主要工具，研究各類問題在計算機上求解的數學方法及計算機應用軟件的專業人才也越來越迫切。
1998年前后，教育部著手對大學數學專業進行調整，將計算數學及其應用軟件、信息科學、運籌與控制專業合并，成立了“信息與計算科學專業，該專業成立之初，在培養目標、指導思想、課程設置、教學規范等方面存在不少爭議，教材建設也眾說紛紜，科學出版社的編輯曾多次找我，就該專業的教材建設問題與我有過多次的討論，2005年11月在大連理工大學召開的第九屆全國高校計算數學年會上，還專門討論了教材編寫工作，并成立了編委會，在會上，編委會就教材編寫的定位和特色等問題進行了討論并達成了共識，按照教育部數學與統計學教學指導委員會起草的“信息與計算科學專業教學規范”的要求，決定邀請部分高校教學經驗豐富的教師編寫一套教材，定名為“科學計算及其軟件教學叢書”，該叢書涵蓋信息與計算科學專業的大部分核心課程，偏重計算數學及應用軟件，叢書主要面向研究與教學型、教學型大學信息與計算科學專業的本科生和研究生，為此，科學出版社曾調研了國內不同層次的上百所學校，聽取了廣大教師的意見和建議，這套叢書將于今年秋季問世，第一批包括《小波分析》、《數值逼近》等十余本教材，選材上強調科學性、系統性，內容力求深入淺出，簡明扼要。
叢書的編委和各位作者為叢書的出版做了大量的工作，在此表示衷心的感謝，我們誠摯地希望這套叢書能為信息與計算科學專業教學的發展起到積極的推動作用，也相信叢書在各方面的支持與幫助下會越出越好。
前言
第一部分 演化計算
第1章 演化計算導引
1．1 演化計算
1．2 演化算法的基本結構
1．3 演化算法的設計
1．4 演化算法的特點
1．5 演化算法的性能評估
第2章 遺傳算法
2．1 遺傳算法的基本結構
2．2 一個例子
2．3 遺傳算法的實現技術
2．4 遺傳算法的理論基礎
習題
第3章 遺傳算法在優化中的應用
3．1 無約束優化
3．2 約束優化
3．3 組合優化
習題
第4章 遺傳程序設計
4．1 遺傳程序設計框架
4．2 程序的表示
4．3 程序歸納
4．4 遺傳程序設計的實現技術
4．5 應用實例
習題
第5章 演化策略
5．1 演化策略的基本結構
5．2 演化策略的實現技術
5．3 應用實例
習題
第6章 演化規劃
6．1 演化規劃的基本結構
6．2 演化規劃的實現技術
6．3 應用實例
習題
第二部分 群體智能算法
第7章 粒子群優化
7．1 PSO算法的基本結構
7．2 PSO算法的實現
7．3 應用實例
習題
第8章 蟻群優化
8．1 ACO算法的原理
8．2 ACO算法
8．3 應用實例
習題
第三部分 人工神經網絡
第9章 人工神經網絡的基本概念
9．1 人工神經網絡的特點
9．2 人工神經網絡的基本原理
9．3 人工神經網絡的基本結構模式
9．4 人工神經網絡互聯結構
9．5 神經網絡模型分類
9．6 人工智能與人工神經網絡
9．7 人工神經網絡的應用領域
習題
第10章 人工神經網絡的學習算法
10．1 幾種基本的學習算法介紹
10．2 幾種典型神經網絡簡介
習題
第四部分 Fuzzy計算
第11章 Fuzzy計算的基本理論
11．1 Fuzzy集合
11．2 隸屬函數
11．3 Fuzzy集合的特征
11．4 Fuzzy集合的運算
11．5 Fuzzy關系
習題
第12章 Fuzzy計算的應用
12．1 Fuzzy推理系統
12．2 Fuzzy控制器設計
12．3 Fuzzy聚類
習題
參考文獻
為了判斷演化算法的優劣，需要對算法的性能進行評估,演化算法的性能評估通常采用與其他演化算法或傳統算法進行實驗比較的方式,在進行實驗比較之前，總是選定某種算法性能度量標準，而度量標準的選擇依賴于設計演化算法的目的
1.5.1 設計演化算法的目的。
設計一個演化算法的目的可以是為了求解一個應用問題，也可以是為了進行學術研究,不同的目的導致了不同的算法設計方式。
應用問題可以劃分為如下兩類：
（1）設計型問題；
（2）重復型問題,
對于設計型問題來說，求解問題的時間可以延續數月，甚至數年,所以，衡量求解設計型問題的演化算法好壞的一個重要標準是算法求解的質量，而不是算法求解的速度,可以多次重復地運行一個算法，然后選擇算法所得到的最好解,設計型問題的一個例子是交通網絡的優化。
與設計型問題不同，重復型問題要求算法能夠在較短的時間內求出一個較好的解,例如，一個運輸公司每天清晨需要給出該公司當天的運輸計劃,運輸計劃包括每位司機的收貨、送貨清單和運輸路線,若考慮優化準則和約束條件，運輸計劃安排問題可能是非常復雜的,根據任務的類型和要求，運輸計劃需要在幾個星期或幾天，甚至幾個小時之前準備妥當,在任何情形下，公司在每天清晨都必須將運輸計劃分發到每一位司機的手中,所以，一個求解該問題的演化算法應該能夠重復地對不同的問題實例（即每天不同的數據和要求）快速地求出一個較好的解,重復型問題對求解問題的演化算法的速度要求高于對解的質量要求,解必須是好的。
新書資訊