Intelligent design and uncertain information processing

　　前言
　　第1章 绪论1
　　 1.1 现代产品设计技术概述1
　　 1.1.1 设计的本质与产品设计理论的发展1
　　 1.1.2 现代产品设计方法及其核心内容3
　　 1.1.3 产品设计的分类4
　　 1.2 产品智能设计技术6
　　 1.2.1 人工智能与专家系统6
　　 1.2.2 机器智能的实现途径7
　　 1.2.3 智能设计与知识处理9
　　 1.2.4 智能设计技术的发展14
　　 1.2.5 智能设计面临的困难16
　　 1.3 产品设计中的不确定性16
　　 1.4 本书讨论的主要问题18
　　第2章 产品设计知识的分类与基本的知识表示方法21
　　 2.1 知识分类21
　　 2.2 基本的知识表示方法21
　　 2.2.1 语义网络表示法22
　　 2.2.2 框架表示法24
　　 2.2.3 产生式表示法26
　　 2.2.4 过程表示法28
　　 2.2.5 面向对象表示法29
　　 2.3 广义知识库系统31
　　第3章 产品智能设计知识的建模34
　　 3.1 产品设计过程知识模型34
　　 3.1.1 已有的几种产品设计过程知识模型35
　　 3.1.2 基于设计模式的设计模型37
　　 3.2 功能模式下的产品设计对象模型39
　　 3.2.1 产品的三种设计模式39
　　 3.2.2 功能模型的信息组成40
　　 3.2.3 功能模型的BNF定义41
　　 3.2.4 继电器电磁系统功能模型的BNF描述43
　　 3.2.5 功能模型的特点及其在智能设计系统中的组织形式44
　　 3.3 参数化模式下的产品设计对象模型47
　　 3.3.1 产品设计在参数化模式下所面临的问题47
　　 3.3.2 参数化模型的信息组成48
　　 3.3.3 参数化模型的BNF定义51
　　 3.3.4 一种设计问题求解策略和机器学习方法53
　　 3.3.5 参数化模式下特征模型的作用56
　　 3.4 实例模式下的产品设计对象模型58
　　 3.4.1 实例和实例模型的信息组成58
　　 3.4.2 实例的数据结构示例59
　　 3.5 功能模型、参数化模型和实例模型之间的关系61
　　第4章 设计对象的属性集提取与属性值获取62
　　 4.1 基于粗糙集理论知识约简的产品属性层次划分62
　　 4.1.1 树的基本概念63
　　 4.1.2 低压电器产品的分类64
　　 4.1.3 产品属性层次划分的目的65
　　 4.1.4 产品属性层次划分的方法67
　　 4.1.5 关于产品属性层次划分的几点说明73
　　 4.2 产品属性的权重分配73
　　 4.2.1 属性权重的类间标准差分配法74
　　 4.2.2 显性权重的概念75
　　 4.2.3 隐性权重的概念78
　　 4.2.4 产品属性的综合定权法79
　　 4.3 产品标准模型的建模81
　　 4.3.1 基于ISODATA聚类法的标准模型建模方法82
　　 4.3.2 标准模型库的构建方法88
　　第5章 产品设计中的知识利用89
　　 5.1 设计要求的分类和有关说明89
　　 5.2 基于设计模式的元级推理和目标级推理90
　　 5.3 基于设计模式的推理策略91
　　 5.3.1 基于功能模型的推理91
　　 5.3.2 基于参数化模型的推理97
　　 5.3.3 基于实例模型的推理100
　　 5.4 基于设计模式的设计任务规划与控制106
　　 5.4.1 设计任务规划107
　　 5.4.2 设计任务控制111
　　第6章 模糊贴近度的有关算法112
　　 6.1 问题的提出112
　　 6.2 证据理论简介115
　　 6.3 基于证据理论的广义贴近度算法119
　　 6.3.1 广义贴近度算法的定义119
　　 6.3.2 算法中几种特殊情况的处理121
　　 6.4 广义贴近度算法的特点和意义122
　　 6.5 广义贴近度算法的应用125
　　第7章 产品的选型设计与概念设计127
　　 7.1 概念设计与选型设计的定义127
　　 7.2 产品选型设计的基本思想128
　　 7.2.1 产品选型设计方法简述128
　　 7.2.2 选型设计的数学模型130
　　 7.3 基于模式识别原理的产品选型设计131
　　 7.3.1 模糊不确定性设计信息的处理132
　　 7.3.2 模糊相似度的定义133
　　 7.3.3 基于模式识别原理的产品选型设计方法134
　　 7.3.4 模糊识别法在产品选型设计中的应用139
　　 7.4 基于实例推理的选型设计139
　　 7.4.1 CBR方法简述139
　　 7.4.2 实例的模糊匹配方法140
　　 7.4.3 基于CBR的产品选型设计应用实例142
　　 7.5 选型设计引导下的概念设计144
　　第8章 基于规则的推理与不确定性的传播147
　　 8.1 基于规则的推理与规则匹配147
　　 8.1.1 产生式规则的表达形式147
　　 8.1.2 基于D-S证据理论的模糊规则匹配方法149
　　 8.1.3 模糊规则匹配方法的应用实例151
　　 8.2 基于规则的推理中不确定性的传播152
　　 8.2.1 模糊RBR中的不确定性152
　　 8.2.2 复杂RBR模型及不确定性的传播155
　　 8.2.3 不精确逻辑下的RBR模型及其应用159
　　第9章 产品的优化设计163
　　 9.1 优化问题及其求解方法概述163
　　 9.2 混合遗传算法的设计与无约束优化问题的求解165
　　 9.2.1 混合遗传算法设计166
　　 9.2.2 混合遗传算法的基本结构170
　　 9.2.3 无约束优化问题求解实例仿真171
　　 9.3 约束优化问题的求解与产品的优化设计174
　　 9.3.1 惩罚函数的构造方法174
　　 9.3.2 直流拍合式继电器电磁系统的体积优化175
　　第10章 产品设计方案的综合评估180
　　 10.1 多目标多层次综合评估指标体系180
　　 10.2 多目标多层次模糊综合评判模型182
　　 10.2.1 模糊综合评判的数学模型和评判过程182
　　 10.2.2 模糊综合评判中的几个关键问题184
　　 10.3 模糊聚类分析方法及其改进188
　　 10.3.1 基于等价关系的模糊聚类分析法189
　　 10.3.2 模糊ISODATA聚类方法193
　　 10.3.3 关于模糊聚类分析的几项说明196
　　 10.4 基于D-S证据理论的综合评估197
　　 10.4.1 标准模型的建立197
　　 10.4.2 模糊评语子集隶属函数的建立197
　　 10.4.3 基于D-S证据理论的综合评估方法200
　　 10.5 产品及其设计方案的模糊综合评估202
　　 10.5.1 基于模糊识别原理的综合评估方法202
　　 10.5.2 基于模糊识别原理的评估方法应用实例203
　　 10.5.3 整批产品的模糊综合评估204
　　 10.6 关于综合评估问题的几项说明205
　　第11章 决策过程中不确定性信息的综合处理207
　　 11.1 产品设计中的各种不确定性信息207
　　 11.2 对不完备性引起的不确定性信息的处理208
　　 11.3 各种不确定性设计信息的综合处理208
　　 11.4 基于证据理论的决策方法应用实例213
　　第12章 人工神经网络在产品设计中的应用215
　　 12.1 用于分类问题的人工神经网络结构215
　　 12.2 BP神经网络的学习算法217
　　 12.3 基于人工神经网络的产品选型设计方法219
　　 12.4 基于人工神经网络的模糊综合评估方法220
　　参考文献222