機械設(shè)計手冊 智能設(shè)計 仿生機械設(shè)計

出版說明
前言

第49篇智 能 設(shè) 計

第1章智能模擬的科學(xué)

1信息社會與思維科學(xué)49-3

11思維與思維科學(xué)49-3

12思維的類型49-3

121抽象(邏輯)思維學(xué)49-3

122形象(直覺)思維學(xué)49-5

123靈感(頓悟)思維學(xué)49-6

2思維的基礎(chǔ)和認知的發(fā)展49-7

21思維與智能49-7

22思維的神經(jīng)基礎(chǔ)49-7

23認知發(fā)展49-8

231皮亞杰認知發(fā)展理論49-8

232斯騰伯格的認知三元素理論49-9

233信息加工理論49-9

234思維的瞬間達爾文進化機制
理論49-9

235廣義進化認知模式49-10

236復(fù)雜自適應(yīng)系統(tǒng)49-10

237認知發(fā)展總論49-11

3智能模擬49-12

31智能模擬的科學(xué)基礎(chǔ)49-12

32智能模擬的哲學(xué)基礎(chǔ)49-12

33智能模擬的基本途徑49-12

331基于邏輯推理的智能模擬——
符號主義（symblism）49-12

332基于神經(jīng)網(wǎng)絡(luò)的智能模擬——
聯(lián)結(jié)主義（connectionism）49-13

333基于“感知—行動”的智能模
擬——行為主義（behaviourism）49-13

第2章智能設(shè)計方法和技術(shù)綜述

1智能設(shè)計的發(fā)展概述49-15

11CAD的發(fā)展49-15

12智能設(shè)計的兩個階段49-15

2智能設(shè)計的概念和特征49-16

21智能設(shè)計的特點49-16

22智能設(shè)計技術(shù)的研究重點49-16

23智能化方法的分類和智能設(shè)計的
層次49-17

231智能化方法的分類49-17

232智能設(shè)計的層次49-17

24智能設(shè)計的基本方法49-18

241智能設(shè)計的分類49-18

242智能設(shè)計系統(tǒng)與技術(shù)49-19

3智能設(shè)計體系和知識表達49-20

31智能設(shè)計體系49-20

311智能設(shè)計的抽象層次模型49-21

312設(shè)計知識的結(jié)構(gòu)體系49-21

313智能設(shè)計的集成求解策略49-22

314智能設(shè)計集成求解策略的工程
應(yīng)用49-23

32智能設(shè)計的知識表達49-23

33智能設(shè)計的基因模型表達49-27

331知識模型49-27

332基因模型49-27

第3章進化設(shè)計技術(shù)與方法

1進化設(shè)計技術(shù)基礎(chǔ)49-29

11遺傳算法的概貌49-29

12單純型遺傳算法49-30

13模式定理(schemata theorem)49-33

14遺傳算法的有關(guān)操作規(guī)則和方法49-33

15多個體參與交叉的遺傳算法49-36

16多目標(biāo)進化算法簡介49-39

161傳統(tǒng)多目標(biāo)算法及其存在問題49-39

162Pareto多目標(biāo)進化算法49-40

163幾種主要的多目標(biāo)進化算法49-43

164擴展Pareto進化算法(Extended
Pareto Evolutionary Algorithm，
EPEA)49-44

165算例49-45

2基于進化的健壯性設(shè)計方法49-47

21健壯性開發(fā)方法的基本思路49-47

22基于進化的健壯性設(shè)計方法的總體
框架49-49

目錄
目錄
23基于進化的健壯性設(shè)計方法的
說明49-51

3結(jié)構(gòu)智能優(yōu)化設(shè)計——進化設(shè)計49-52

31結(jié)構(gòu)智能設(shè)計的概念49-52

32結(jié)構(gòu)進化智能優(yōu)化設(shè)計49-53

33基于進化的桁架結(jié)構(gòu)相位設(shè)計49-53

34基于進化的結(jié)構(gòu)非線性強制振動
解法49-54

35基于進化的圓拋物面天線健壯結(jié)構(gòu)
設(shè)計49-56

351圓拋物面天線結(jié)構(gòu)設(shè)計的要求和
特點49-56

352天線反射面精度計算49-58

353最佳吻合拋物面各點對原設(shè)計
面相應(yīng)點的半光程差49-58

35410m圓拋物面天線健壯設(shè)計
模型49-59

35510m圓拋物面天線體結(jié)構(gòu)的健壯性設(shè)計過程49-61

356總結(jié)49-69

4供應(yīng)鏈庫存策略的進化重組49-70

41供應(yīng)鏈運行策略的持續(xù)改進49-70

42供應(yīng)鏈中的庫存設(shè)置49-71

43供應(yīng)鏈運行過程中的庫存控制
策略49-72

44敏捷供應(yīng)鏈多級庫存策略重組
模型49-74

第4章自組織設(shè)計技術(shù)與方法

1自組織技術(shù)基礎(chǔ)49-79

11“生命的游戲”49-79

12元胞自動機的基礎(chǔ)49-80

13元胞自動機的自組織建模方法49-83

14元胞自動機的應(yīng)用領(lǐng)域49-85

2結(jié)構(gòu)拓撲的自組織進化49-86

21結(jié)構(gòu)拓撲優(yōu)化中的ECA規(guī)則49-86

22ECA規(guī)則的進化表達49-88

23結(jié)構(gòu)拓撲形態(tài)優(yōu)化的算例49-88

第5章自學(xué)習(xí)設(shè)計技術(shù)與方法

1自學(xué)習(xí)技術(shù)基礎(chǔ)49-90

11神經(jīng)網(wǎng)絡(luò)的主要特點49-90

12細胞元模型49-91

13神經(jīng)網(wǎng)絡(luò)模型49-93

14神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)49-94

15多層前向神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò))49-97

16典型反饋網(wǎng)絡(luò)——Hopfield網(wǎng)絡(luò)49-103

17基于概率學(xué)習(xí)的Boltzmann機模型49-106

2非線性振動的自學(xué)習(xí)建模49-109

21神經(jīng)網(wǎng)絡(luò)和系統(tǒng)識別49-109

22非線性振動脈沖響應(yīng)的學(xué)習(xí)和系統(tǒng)
預(yù)測49-110

23Duffing振動的學(xué)習(xí)和預(yù)測49-111

24預(yù)測精度和泛用性的考察49-113

3基于學(xué)習(xí)的機械系統(tǒng)特性預(yù)測49-115

31機械系統(tǒng)特性預(yù)測的問題49-115

32機械系統(tǒng)特性預(yù)測的基本模型49-116

33雷達結(jié)構(gòu)系統(tǒng)固頻的預(yù)測例49-116

4神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的智能設(shè)計體系
結(jié)構(gòu)49-117

41建立人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的
必要性49-118

42面向設(shè)計的智能平臺49-118

421專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合
方式49-118

422智能平臺的“外殼