●1 緒論1.1 智能計算方法1.2 智能計算方法產生與發展1.3 智能計算方法分類第1篇 模糊計算2 模糊計算數學基礎2.1 基本概念2.2 模糊集合2.3 模糊邏輯2.4 模糊關繫3 模糊推理3.1 模糊語言3.2 模糊條件語句3.3 模糊推理3.4 應用實例13.5 應用實例24 模糊控制器4.1 模糊控制原理4.2 模糊控制器設計4.3 應用實例14.4 應用實例24.5 模糊控制的改進5 模糊計算的發展及其應用趨勢第2篇 神經網絡6 神經網絡理論基礎6.1 基本概念6.2 結構及其分類7 BP神經網絡7.1 基本概念7.2 BP神經網絡模型7.3 應用實例17.4 應用實例27.5 BP神經網絡的改進8 RBF神經網絡8.1 基本概念8.2 RBF神經網絡模型8.3 應用實例18.4 應用實例28.5 RBF神經網絡的改進9 深度神經網絡9.1 基本概念9.2 深度神經網絡模型9.3 應用實例19.4 應用實例29.5 深度神經網絡的改進10 神經網絡的發展及其應用趨勢第3篇 進化算法11 進化算法理論基礎11.1 基本概念11.2 進化算法分類12 遺傳算法12.1 基本概念12.2 基本原理12.3 應用實例112.4 應用實例212.5 遺傳算法的改進13 免疫算法13.1 基本概念13.2 基本原理13.3 應用實例113.4 應用實例213.5 免疫算法的改進14 差分進化算法14.1 基本概念14.2 基本原理14.3 應用實例114.4 應用實例214.5 差分進化算法的改進15 進化算法的發展及其應用趨勢第4篇 群智能優化16 群智能優化理論基礎16.1 基本概念16.2 群智能優化分類17 粒子群算法17.1 基本概念17.2 基本原理17.3 應用實例117.4 應用實例217.5 粒子群算法的改進18 蟻群算法18.1 基本概念18.2 基本原理18.3 應用實例118.4 應用實例218.5 蟻群算法的改進19 人工蜂群算法19.1 基本概念19.2 基本原理19.3 應用實例119.4 應用實例219.5 人工蜂群算法的改進20 群智能優化的發展及其應用趨勢附錄A：測試函數附錄B：MATLAB基本功能、運算

本書闡述了智能計算方法的定義、產生與發展過程，並從模糊計算、神經網絡、進化算法和群智能優化等4個方面繫統地介紹了目前常用的智能計算方法，具體內容包括：模糊推理、模糊控制、BP神經網絡、RBF神經網絡、深度神經網絡、遺傳算法、免疫算法、差分進化算法、粒子群算法、蟻群算法和人工蜂群算法等。