本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法（simulated annealing，SA） 10.4 神经网络权值的混合优化学习策略

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法 simulated annealing,简称SA 10.4 神经网络权值的混合优化学习策略

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

13.1 人工神经网络与神经网络优化算法 13.2 遗传算法 13.3 模拟退火算法 13.4 神经网络权值的混合优化学习策略

1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

1.智能控制概论 2.模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

教学内容 本章讲述模糊控制与传统控制的相互关系、模糊神经网络控制、模糊控制和遗传算法的相互联系与区别、模糊控制与基于知识系统的交叉和融合。 教学重点 重点内容是讲述模糊控制与传统控制的相互关系，模糊系统与神经网络、遗传算法、基于知识的学习系统的相互联系以及交叉融合。 教学难点 对模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系的准确把握和理解，学会用发展和联系的观点看待智能控制学科的发展。 教学要求 要求学生基本了解模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系。 通过本章的学习，进一步加深对智能控制特点的理解，学会用发展和联系的观点看待智能控制学科的发展，从而培养学生创常新意识和能力，形成正确的工作方法

对鞍钢冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷.把遗传算法(GeneticAlgorithms,简称GA)和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及GA-BP算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冲连轧机轧制压力模型.通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网络模型计算精度优于传统轧制力模型

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性