《基于計(jì)算智能的軍事沖突建�！吠ㄟ^(guò)利用計(jì)算智能的軍事沖突建模，探討了計(jì)算智能方法在沖突建模中的應(yīng)用。傳統(tǒng)的沖突建模以博弈論為基礎(chǔ)。
國(guó)際軍事爭(zhēng)端定義為兩國(guó)或多國(guó)之間的一組摩擦互動(dòng)，這可能導(dǎo)致軍事力量的炫耀、武力威脅或者明確地使用武力。這些摩擦互動(dòng)可能會(huì)以和平或戰(zhàn)爭(zhēng)收尾�！痘谟�(jì)算智能的軍事沖突建模》研究了關(guān)鍵變量之間的關(guān)系以及對(duì)兩國(guó)之間沖突的風(fēng)險(xiǎn)進(jìn)行建模。這些關(guān)鍵變量包括，同盟國(guó)一一衡量軍事同盟存在與否，近鄰國(guó)一一衡量國(guó)家之間是否共享一個(gè)共同的邊界，以及軍事大國(guó)——衡量其中一個(gè)或兩個(gè)國(guó)家是否都是軍事大國(guó)。
利用計(jì)算智能的軍事沖突建模采用各種多層感知神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、神經(jīng)模糊模型、粗糙集模型、神經(jīng)粗糙集模型以及優(yōu)化的粗糙集模型等實(shí)施工具來(lái)創(chuàng)建給定變量之間存在沖突風(fēng)險(xiǎn)的評(píng)估模型。其次，這些模型用來(lái)研究每個(gè)變量對(duì)沖突風(fēng)險(xiǎn)的敏感性。此外，也提出了一個(gè)如何使用這些模型來(lái)達(dá)成“和平”可能性的框架。*后，還論及了沖突建模的一些新興主題并提出下一步工作要點(diǎn)。
第1章 國(guó)際沖突建模：老問題的新發(fā)展
1．1 引言
1．2 關(guān)于國(guó)際沖突理論與方法的結(jié)合
1．3 導(dǎo)致戰(zhàn)爭(zhēng)與和平的多條匯合路徑的復(fù)雜性
1．4 計(jì)算智能在國(guó)際沖突分析中的應(yīng)用
1．4．1 靈活性
1．4．2 交互性
1．4．3 附屬國(guó)的贊同
1．5 數(shù)據(jù)與變量
1．6 本書概要
參考文獻(xiàn)
第2章 基于自關(guān)聯(lián)檢測(cè)法的國(guó)際沖突識(shí)別
2．1 引言
2．2 數(shù)學(xué)框架
2．2．1 神經(jīng)網(wǎng)絡(luò)
2．2．2 貝葉斯框架
2．2．3 自關(guān)聯(lián)測(cè)定
2．3 國(guó)際沖突應(yīng)用
2．4 結(jié)論
2．5 下一步工作
參考文獻(xiàn)
第3章 基于多層感知器和徑向基函數(shù)的國(guó)際沖突建模
3．1 引言
3．2 數(shù)學(xué)框架
3．2．1 用于分類問題的多層感知器
3．2．2 徑向基函數(shù)
3．2．3 模型選擇
3．3 MLP模型與RBIF模型對(duì)比
3．4 國(guó)際沖突應(yīng)用
3．5 結(jié)論
3．6 下一步工作
參考文獻(xiàn)
第4章 基于貝葉斯方法的國(guó)際沖突建模
4．1 簡(jiǎn)介
4．2 神經(jīng)網(wǎng)絡(luò)
4．3 采樣方法
4．3．1 蒙特卡洛方法
4．3．2 馬爾可夫鏈蒙特卡洛法
4．3．3 基于遺傳算法的馬爾可夫鏈蒙特卡洛采樣
4．3．4 模擬退火
4．3．5 吉布斯采樣
4．4 高斯逼近法
4．5 混合蒙特卡洛法
4．6 隨機(jī)動(dòng)力學(xué)模型
4．7 采樣方法對(duì)比
4．8 國(guó)際沖突建模
4．9 結(jié)論
4．10 下一步工作
參考文獻(xiàn)
第5章 基于支持向量機(jī)的國(guó)際沖突建模
5．1 引言
5．2 背景
5．2．1 機(jī)器學(xué)習(xí)
5．2．2 人工神經(jīng)網(wǎng)絡(luò)
5．2．3 支持向量機(jī)
5．2．4 國(guó)際沖突建模
5．3 結(jié)果與討論
5．4 結(jié)論
5．5 下一步工作
參考文獻(xiàn)
第6章 基于模糊集合的國(guó)際沖突建模
6．1 引言
6．2 計(jì)算智能
6．2．1 基本模糊邏輯理論
6．2．2 模糊神經(jīng)模型
6．2．3 支持向量機(jī)
6．3 知識(shí)提取
6．3．1 分類結(jié)果
6．3．2 模糊規(guī)則的提取
6．4 結(jié)論
6．5 下一步工作
參考文獻(xiàn)
第7章 基于粗糙集的國(guó)際沖突建模
7．1 引言
7．2 粗糙集
7．2．1 信息系統(tǒng)
7．2．2 不可分關(guān)系
7．2．3 信息表和數(shù)據(jù)表達(dá)
7．2．4 決策規(guī)則歸納
7．2．5 集合的上、下近似
7．2．6 集合的近似
7．2．7 約簡(jiǎn)
7．2．8 邊界域
7．2．9 粗糙隸屬度函數(shù)
7．3 離散化方法
7．3．1 等寬槽分區(qū)
7．3．2 等頻槽分區(qū)
7．4 粗糙集規(guī)劃
7．5 神經(jīng)模糊系統(tǒng)
7．6 粗糙集和模糊集
7．7 國(guó)際沖突建模
7．8 結(jié)論
7．9 下一步工作
參考文獻(xiàn)
第8章 基于粒子群優(yōu)化和爬山法優(yōu)化粗糙集的國(guó)際沖突建模
8．1 簡(jiǎn)介
8．2 粗糙集
8．3 優(yōu)化方法
8．3．1 粒子群優(yōu)化
8．3．2 爬山法
8．4 爬山法與粒子群優(yōu)化對(duì)比
8．5 國(guó)際沖突建模
8．6 結(jié)論
8．7 下一步工作
參考文獻(xiàn)
第9章 基于模擬退火優(yōu)化粗糙集的國(guó)際沖突建模
9．1 引言
9．2 粗糙集
9．3 優(yōu)化方法
9．3．1 模擬退火
9．3．2 粒子群優(yōu)化
9．4 粒子群優(yōu)化與模擬退火
9．5 國(guó)際沖突建模
9．6 結(jié)論
9．7 下一步工作
參考文獻(xiàn)
第10章 基于優(yōu)化粗糙集的遺傳算法的國(guó)際沖突建模
10．1 引言
10．2 粗糙集
10．3 優(yōu)化方法
10．3．1 遺傳算法
10．3．2 模擬退火
10．4 遺傳算法與模擬退火算法對(duì)比
10．5 國(guó)際沖突建模
10．6 結(jié)論
10．7 下一步工作
參考文獻(xiàn)
第11章 基于神經(jīng)粗糙集的國(guó)際沖突建模
11．1 引言
11．2 粗糙集
11．2．1 粗糙隸屬度函數(shù)
11．2．2 粗糙集精度
11．2．3 粗糙集建模流程
11．3 多層感知器
11．4 神經(jīng)一粗糙集模型
11．5 貝葉斯粗糙集
11．6 馬爾可夫鏈蒙特卡洛模擬
11．7 用遺傳算法優(yōu)化的粗糙集模型
11．8 國(guó)際沖突建模
11．9 結(jié)論
11．10 下一步工作
參考文獻(xiàn)
第12章 基于計(jì)算方法的早期預(yù)警與沖突預(yù)防
12．1 引言
12．2 早期預(yù)警與沖突預(yù)防：理論、方法及相關(guān)問題
12．2．1 領(lǐng)域研究進(jìn)展
12．2．2 挑戰(zhàn)
12．3 計(jì)算智能用于早期預(yù)警與沖突預(yù)防
12．3．1 控制國(guó)際沖突
12．3．2 控制系統(tǒng)
12．3．3 貝葉斯網(wǎng)絡(luò)
12．3．4 黃金分割搜索方法
12．3．5 模擬退火方法
12．3．6 民主、盟友、實(shí)力和從屬性的調(diào)控
12．4 結(jié)論
12．5 下一步工作
參考文獻(xiàn)
第13章 結(jié)論與最新進(jìn)展
13．1 引言
13．2 計(jì)算智能領(lǐng)域的新近發(fā)展
13．3 國(guó)際沖突建模的新近發(fā)展
書單推薦
