第1章 緒論
1.1 復(fù)雜系統(tǒng)概述
1.1.1 復(fù)雜系統(tǒng)相關(guān)概念
1.1.2 復(fù)雜系統(tǒng)控制與決策
1.2 關(guān)于智能計(jì)算
1.2.1 智能計(jì)算簡介
1.2.2 智能計(jì)算主要方法
1.3 復(fù)雜系統(tǒng)控制與決策中的智能計(jì)算
1.3.1 復(fù)雜系統(tǒng)控制與決策中存在的問題
1.3.2 智能計(jì)算在復(fù)雜系統(tǒng)控制與決策中的應(yīng)用
1.4 本書的研究內(nèi)容和結(jié)構(gòu)安排
1.4.1 本書的主要研究內(nèi)容
1.4.2 本書的結(jié)構(gòu)安排
1.5 本章小結(jié)
參考文獻(xiàn) 第1章  緒論
  1.1  復(fù)雜系統(tǒng)概述
    1.1.1  復(fù)雜系統(tǒng)相關(guān)概念
    1.1.2  復(fù)雜系統(tǒng)控制與決策
  1.2  關(guān)于智能計(jì)算
    1.2.1  智能計(jì)算簡介
    1.2.2  智能計(jì)算主要方法
  1.3  復(fù)雜系統(tǒng)控制與決策中的智能計(jì)算
    1.3.1  復(fù)雜系統(tǒng)控制與決策中存在的問題
    1.3.2  智能計(jì)算在復(fù)雜系統(tǒng)控制與決策中的應(yīng)用
  1.4  本書的研究內(nèi)容和結(jié)構(gòu)安排
    1.4.1  本書的主要研究內(nèi)容
    1.4.2  本書的結(jié)構(gòu)安排
  1.5  本章小結(jié)
  參考文獻(xiàn)
第2章  神經(jīng)網(wǎng)絡(luò)在湖泊水文水質(zhì)調(diào)節(jié)功能模擬中的應(yīng)用
  2.1  引言
  2.2  研究內(nèi)容
  2.3  基于BP神經(jīng)網(wǎng)絡(luò)的水文調(diào)節(jié)功能模擬
    2.3.1  BP神經(jīng)網(wǎng)絡(luò)
    2.3.2  三峽運(yùn)行對湖口水位的影響分析
  2.4  基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的水質(zhì)調(diào)節(jié)功能模擬
    2.4.1  A-BP神經(jīng)網(wǎng)絡(luò)二維水質(zhì)模型
    2.4.2  模擬計(jì)算
  2.5  本章小結(jié)
  參考文獻(xiàn)
第3章  模糊計(jì)算在水質(zhì)評價(jià)及時(shí)間序列挖掘中的應(yīng)用
  3.1  引言
  3.2  模糊計(jì)算基礎(chǔ)
    3.2.1  模糊集合理論
    3.2.2  模糊關(guān)系與模糊推理
  3.3  基于模糊綜合評價(jià)的水質(zhì)分析
    3.3.1  評價(jià)指標(biāo)
    3.3.2  改進(jìn)模糊綜合評價(jià)模型
    3.3.3  水質(zhì)變化趨勢分析
  3.4  基于模糊推理的時(shí)間序列挖掘
    3.4.1  小波分解原理
    3.4.2  基于ANFIS的時(shí)間序列預(yù)測方法
    3.4.3  仿真實(shí)驗(yàn)
  3.5  本章小結(jié)
  參考文獻(xiàn)
第4章  群體智能及其在水價(jià)預(yù)測中的應(yīng)用
  4.1  群體智能與多Agent系統(tǒng)
    4.1.1  多Agent理論與方法
    4.1.2  基于多Agent的智能決策支持系統(tǒng)
    4.1.3  Agent的學(xué)習(xí)問題
  4.2  水價(jià)預(yù)測問題介紹
  4.3  基于降維的多Agent強(qiáng)化學(xué)習(xí)算法
    4.3.1  算法描述
    4.3.2  與普通算法的比較
  4.4  基于多Agent的水價(jià)預(yù)測智能系統(tǒng)
    4.4.1  水價(jià)預(yù)測智能系統(tǒng)的建立
    4.4.2  仿真實(shí)驗(yàn)
  4.5  本章小結(jié)
  參考文獻(xiàn)
第5章  強(qiáng)化學(xué)習(xí)及其在智能決策中的應(yīng)用
  5.1  強(qiáng)化學(xué)習(xí)與多Agent智能決策概述
    5.1.1  單Agent強(qiáng)化學(xué)習(xí)
    5.1.2  多Agent強(qiáng)化學(xué)習(xí)
    5.1.3  強(qiáng)化學(xué)習(xí)在多Agcnt智能決策中的應(yīng)用
  5.2  城市水資源配置問題描述
  5.3  改進(jìn)的多Agent-Q學(xué)習(xí)算法
    5.3.1  基于遺傳算法的最大映射Q值
    5.3.2  自適應(yīng)多因素回報(bào)值
  5.4  實(shí)驗(yàn)研究
    5.4.1  實(shí)驗(yàn)一(正常情況下)
    5.4.2  實(shí)驗(yàn)二(動態(tài)環(huán)境下)
    5.4.3  討論分析
  5.5  本章小結(jié)
  參考文獻(xiàn)
第6章  基于小波神經(jīng)網(wǎng)絡(luò)的湖泊生態(tài)系統(tǒng)健康評價(jià)
  6.1  引言
  6.2  評價(jià)體系與評價(jià)標(biāo)準(zhǔn)的確定
    6.2.1  評價(jià)指標(biāo)構(gòu)建原則
    6.2.2  指標(biāo)體系的結(jié)構(gòu)框架
    6.2.3  評價(jià)指標(biāo)的度量
    6.2.4  評價(jià)標(biāo)準(zhǔn)的確定
  6.3  基于小波神經(jīng)網(wǎng)絡(luò)的評價(jià)模型
    6.3.1  模型結(jié)構(gòu)
    6.3.2  初始值的選擇
    6.3.3  計(jì)算流程
  6.4  湖泊生態(tài)系統(tǒng)健康評價(jià)
    6.4.1  訓(xùn)練樣本和檢驗(yàn)樣本
    6.4.2  算法步驟
    6.4.3  評價(jià)結(jié)果
  6.5  本章小結(jié)
  參考文獻(xiàn)
第7章  基于核主元分析與支持向量機(jī)的水環(huán)境系統(tǒng)突發(fā)事件監(jiān)測
  7.1  核主元分析與支持向量機(jī)方法簡介
    7.1.1  核主元分析方法
    7.1.2  支持向量機(jī)方法
  7.2  水環(huán)境系統(tǒng)突發(fā)事件監(jiān)測問題描述
  7.3  基于信任機(jī)制的水環(huán)境系統(tǒng)突發(fā)事件監(jiān)測方法
    7.3.1  信任機(jī)制概念
    7.3.2  基于信任機(jī)制的突發(fā)事件診斷
  7.4  仿真實(shí)驗(yàn)與結(jié)果分析
    7.4.1  傳感器突發(fā)失效故障診斷
    7.4.2  突發(fā)水污染事件診斷
    7.4.3  復(fù)雜情況下的突發(fā)事件診斷
    7.4.4  與傳統(tǒng)的KPCA方法和BP神經(jīng)網(wǎng)絡(luò)比較
  7.5  本章小結(jié)
  參考文獻(xiàn)
第8章  智能計(jì)算新進(jìn)展及其應(yīng)用前景展望
  8.1  引言
  8.2  生物啟發(fā)的智能計(jì)算方法
    8.2.1  人工免疫算法
    8.2.2  DNA算法
    8.2.3  膜計(jì)算方法
    8.2.4  生物啟發(fā)神經(jīng)網(wǎng)絡(luò)模型
  8.3  文化算法
    8.3.1  文化算法基本原理
    8.3.2  文化算法研究進(jìn)展
  8.4  智能計(jì)算在復(fù)雜系統(tǒng)中的應(yīng)用前景
  8.5  本章小結(jié)
  參考文獻(xiàn)