軍事最優(yōu)化新方法

第一章　引言
1.1　最優(yōu)化問題
1.1.1 最優(yōu)化問題的定義、數(shù)學模型和解的分類
1.1.2　最優(yōu)化問題的分類
1.2　計算復雜性
1.2.1 計算復雜性的基本概念
1.2.2　P，NP，NP—C和NP—hard問題
1.2.3 軍事最優(yōu)化問題的計算復雜性
1.3　啟發(fā)式優(yōu)化算法
1.4　從神經(jīng)網(wǎng)絡和遺傳算法到計算智能
1.5　模擬退火算法
1.6　蟻群算法
1.7　多階段分析博弈評估算法
1.8　探索性分析方法
參考文獻
第二章　神經(jīng)網(wǎng)絡
2.1　神經(jīng)網(wǎng)絡的定義
2.2　神經(jīng)網(wǎng)絡研究的歷史
2.3　神經(jīng)網(wǎng)絡的基本概念
2.3.1 神經(jīng)元模型
2.3.2　神經(jīng)網(wǎng)絡的拓撲結構
2.3.3 學習算法
2.3.3.1 無導師學習算法
2.3.3.2　有導師學習算法
2.4　霍普菲爾德神經(jīng)網(wǎng)絡
2.4.1 霍普菲爾德神經(jīng)網(wǎng)絡的拓撲結構
2.4.2 離散霍普菲爾德神經(jīng)網(wǎng)絡
2.4.3　連續(xù)霍普菲爾德神經(jīng)網(wǎng)絡
2.5　誤差反向傳播神經(jīng)網(wǎng)絡
2.5.1 誤差反向傳播神經(jīng)網(wǎng)絡的拓撲結構
2.5.2　BP學習算法
2.5.2.1 正向操作
2.5.2.2　逆向操作
2.5.3　運行誤差反向傳播神經(jīng)網(wǎng)絡
2.6　概率神經(jīng)網(wǎng)絡
2.6.1 概率神經(jīng)網(wǎng)絡
2.6.2　適應性結構概率神經(jīng)網(wǎng)絡
2.7　神經(jīng)模糊網(wǎng)絡
2.8　流體神經(jīng)網(wǎng)絡
2.9　神經(jīng)網(wǎng)絡的應用
2.10　神經(jīng)網(wǎng)絡今后的研究方向
參考文獻
第三章　神經(jīng)網(wǎng)絡用于空戰(zhàn)智能仿真及戰(zhàn)例定量研究
3.1　利用神經(jīng)網(wǎng)絡進行空戰(zhàn)機動選擇
3.1.1 用于空戰(zhàn)機動選擇的BPN拓撲結構
3.1.2　產(chǎn)生訓練案例的方法
3.1.3　用產(chǎn)生式規(guī)則生成案例
3.1.4　對BPN進行機動選擇的解釋
3.1.5　學習算法
　……
第四章　遺傳算法
第五章　遺傳算法用于空戰(zhàn)智能仿真
第六章　模擬退火算法
第七章　模擬退火算法用于通信網(wǎng)絡管理
第八章　蟻群算法
第九章　蟻群算法用于管理通信網(wǎng)絡
第十章　多階段分析博弈評估算法
第十一章　多階段分析博弈評估算法用于空戰(zhàn)戰(zhàn)役兵力計劃
第十二章　探索性分析方法　
第十三章　探索性分析方法用于海戰(zhàn)效能評估
附件：空戰(zhàn)智能仿真系統(tǒng)簡介