第一章 智能模擬的科學(xué)
1.1 信息社會與思維科學(xué)
1.1.1 思維與思維科學(xué)
1.1.2 思維的類型
1.2 思維的基礎(chǔ)和認(rèn)知的發(fā)展
1.2.1 思維與智能
1.2.2 思維的神經(jīng)基礎(chǔ)
1.2.3認(rèn)知發(fā)展
1.3 智能模擬
1.3.1 智能模擬的科學(xué)基礎(chǔ)
1.3.2 智能模擬的哲學(xué)基礎(chǔ)
1.3.3 智能模擬的基本途徑

第二章 智能設(shè)計方法和技術(shù)綜述
2.1 智能設(shè)計的發(fā)展概述
2.1.1 CAD的發(fā)展
2.1.2 智能設(shè)計的兩個階段
2.2 智能設(shè)計的概念和特征
2.2.1 智能設(shè)計的特點
2.2.2 智能設(shè)計技術(shù)的研究重點
2.2.3 智能化方法的分類和智能設(shè)計的層次
2.3 智能設(shè)計的基本方法
2.3.1 智能設(shè)計的分類
2.3.2 智能設(shè)計系統(tǒng)與技術(shù)
2.3.3 智能設(shè)計體系和知識表達(dá)

第三章 進(jìn)化設(shè)計技術(shù)與方法
3.1 進(jìn)化設(shè)計技術(shù)基礎(chǔ)
3.1.1 遺傳算法的概貌
3.1.2 基本遺傳算法
3.1.3 模式定理
3.1.4 遺傳算法的有關(guān)操作規(guī)則和方法
3.1.5 多個體參與交叉的遺傳算法
3.1.6 多目標(biāo)進(jìn)化算法簡介
3.2 基于進(jìn)化的健壯性設(shè)計方法
3.2.1 健壯性開發(fā)方法的基本思路
3.2.2 基于進(jìn)化的健壯性設(shè)計方法的總體框架
3.2.3 基于進(jìn)化的健壯性設(shè)計方法的說明
3.3 結(jié)構(gòu)智能優(yōu)化設(shè)計——進(jìn)化設(shè)計
3.3.1 結(jié)構(gòu)智能設(shè)計的概念
3.3.2 結(jié)構(gòu)進(jìn)化智能優(yōu)化設(shè)計
3.3.3 基于進(jìn)化的桁架結(jié)構(gòu)相位設(shè)計
3.3.4 基于進(jìn)化的結(jié)構(gòu)非線性強(qiáng)制振動解法
3.3.5 基于進(jìn)化的圓拋物面天線健壯結(jié)構(gòu)設(shè)計
3.4 基于遺傳算法的配送路徑優(yōu)化設(shè)計
3.4.1 路徑優(yōu)化問題與模型
3.4.2 遺傳算法的構(gòu)造
3.4.3 仿真與結(jié)果分析
3.5 高速貼片機(jī)PCB板貼片裝配工藝的遺傳優(yōu)化
3.5.1 貼裝工藝流程及其簡化
3.5.2 貼裝工藝的集成優(yōu)化數(shù)學(xué)模型
3.5.3 用遺傳算法求解貼片裝配工藝優(yōu)化問題

第四章 自組織設(shè)計技術(shù)與方法
4.1 自組織技術(shù)基礎(chǔ)
4.1.1 “生命的游戲”
4.1.2 元胞自動機(jī)的基礎(chǔ)
4.1.3 元胞自動機(jī)的自組織建模方法
4.1.4 元胞自動機(jī)的應(yīng)用領(lǐng)域
4.2 城市交通信號自組織控制模型
4.2.1 CA與城市交通信號控制問題
4.2.2 基于CA的城市交通信號控制模型
4.2.3 城市交通信號自組織控制的實時過程與規(guī)則
4.2.4 仿真結(jié)果與比較
4.3 結(jié)構(gòu)拓?fù)涞淖越M織進(jìn)化
4.3.1 結(jié)構(gòu)拓?fù)鋬?yōu)化中的ECA直接規(guī)則
4.3.2 ECA規(guī)則的進(jìn)化表達(dá)
4.3.3 結(jié)構(gòu)拓?fù)湫螒B(tài)優(yōu)化的算例
4.4 電子連接器微動磨損的自組織模型及其仿真
4.4.1 影響因素分析
4.4.2 模型建立
4.4.3 仿真及結(jié)果分析

第五章 自學(xué)習(xí)設(shè)計技術(shù)與方法

5.1 自學(xué)習(xí)技術(shù)基礎(chǔ)
5.1.1 神經(jīng)網(wǎng)絡(luò)的概述
5.1.2 神經(jīng)網(wǎng)絡(luò)的主要特點
5.1.3 細(xì)胞元模型
5.1.4 神經(jīng)網(wǎng)絡(luò)模型
5.1.5 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
5.1.6 多層前向神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）
5.1.7 典型反饋網(wǎng)絡(luò)——Hopfield網(wǎng)絡(luò)
5.1.8 基于概率學(xué)習(xí)的Boltzmann機(jī)模型
5.2 非線性振動的自學(xué)習(xí)建模
5.2.1 神經(jīng)網(wǎng)絡(luò)和系統(tǒng)識別
5.2.2 非線性振動脈沖響應(yīng)的學(xué)習(xí)和系統(tǒng)預(yù)測
5.2.3 Duffing振動的學(xué)習(xí)和預(yù)測
5.2.4 預(yù)測精度和泛用性的考察
5.3 基于學(xué)習(xí)的機(jī)械系統(tǒng)特性預(yù)測
5.3.1 機(jī)械系統(tǒng)特性預(yù)測的問題
5.3.2 機(jī)械系統(tǒng)特性預(yù)測的基本模型
5.3.3 雷達(dá)結(jié)構(gòu)系統(tǒng)固頻的預(yù)測例
5.4 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的智能設(shè)計體系結(jié)構(gòu)
5.4.1 建立人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的必要性
5.4.2 面向設(shè)計的智能平臺
5.5 基于神經(jīng)網(wǎng)絡(luò)的CAD/CAM一體化
5.5.1 系統(tǒng)的結(jié)構(gòu)
5.5.2 產(chǎn)品零件數(shù)據(jù)結(jié)構(gòu)
5.5.3 智能cAPP系統(tǒng)
參考文獻(xiàn)