军事最优化新方法

　　本书共有13章。第1章概述了军事最优化问题的计算复杂性及上述新方法。此后，每两章介绍一种新方法及其军事应用，即在第2、4、6、8、10及第12章中，分别介绍了这6种新方法的研究发展过程、基本概念、方法和理论。在第3、5、7、9、11及第13章中，分别介绍了上述新方法在解决军事最优化问题中的应用。本书是在军事科学院领导大力支持创新的科研环境里完成的。

　　曾宪钊，广东梅县人，1968年毕业于哈尔滨军事工程学院计算机系。1981年在中国科学院计算技术研究所获得硕士学位。导师为中国科学院院士高庆狮。现为中国人民解放军军事科学院军事运筹分析研究所研究员，博士生导师，中国系统仿真学会理事，中国系统仿真学报编委。现从事军事运筹学、作战仿真、作战实验、人工智能的理论和应用研究。1992至1993年，作为国家公派高级访问学者赴美国从事人工智能研究。享受国家政府特殊津贴，获得军队科技进步二等奖、全军军事科研成果一等奖、军事科学院军事科研成果一等奖及其他奖多项。在国内外重要学术刊物和会议上发表论文50余篇。

第一章　引言
1.1　最优化问题
1.1.1 最优化问题的定义、数学模型和解的分类
1.1.2　最优化问题的分类
1.2　计算复杂性
1.2.1 计算复杂性的基本概念
1.2.2　P，NP，NP—C和NP—hard问题
1.2.3 军事最优化问题的计算复杂性
1.3　启发式优化算法
1.4　从神经网络和遗传算法到计算智能
1.5　模拟退火算法
1.6　蚁群算法
1.7　多阶段分析博弈评估算法
1.8　探索性分析方法
参考文献
第二章　神经网络
2.1　神经网络的定义
2.2　神经网络研究的历史
2.3　神经网络的基本概念
2.3.1 神经元模型
2.3.2　神经网络的拓扑结构
2.3.3 学习算法
2.3.3.1 无导师学习算法
2.3.3.2　有导师学习算法
2.4　霍普菲尔德神经网络
2.4.1 霍普菲尔德神经网络的拓扑结构
2.4.2 离散霍普菲尔德神经网络
2.4.3　连续霍普菲尔德神经网络
2.5　误差反向传播神经网络
2.5.1 误差反向传播神经网络的拓扑结构
2.5.2　BP学习算法
2.5.2.1 正向操作
2.5.2.2　逆向操作
2.5.3　运行误差反向传播神经网络
2.6　概率神经网络
2.6.1 概率神经网络
2.6.2　适应性结构概率神经网络
2.7　神经模糊网络
2.8　流体神经网络
2.9　神经网络的应用
2.10　神经网络今后的研究方向
参考文献
第三章　神经网络用于空战智能仿真及战例定量研究
3.1　利用神经网络进行空战机动选择
3.1.1 用于空战机动选择的BPN拓扑结构
3.1.2　产生训练案例的方法
3.1.3　用产生式规则生成案例
3.1.4　对BPN进行机动选择的解释
3.1.5　学习算法
　……
第四章　遗传算法
第五章　遗传算法用于空战智能仿真
第六章　模拟退火算法
第七章　模拟退火算法用于通信网络管理
第八章　蚁群算法
第九章　蚁群算法用于管理通信网络
第十章　多阶段分析博弈评估算法
第十一章　多阶段分析博弈评估算法用于空战战役兵力计划
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战效能评估
附件：空战智能仿真系统简介