倪建军、任黎所著的《复杂系统控制与决策中的智能计算》的主要目的不在于介绍复杂系统研究的深奥理论和探讨复杂系统研究的哲学意义，而是希望借助于复杂系统有关具体问题的解决，探讨复杂系统控制与决策的方法，从而期望能在一定程度上解决使复杂系统研究人员深感兴趣但又深受困扰的问题——因为“复杂”而产生研究兴趣，可是又由于太复杂而无法在现实中把握具体、有意义的研究对象，以至无法进行具体和实质性的研究工作，从而失去信心和方向。

倪建军、任黎所著的《复杂系统控制与决策中的智能计算》采用系统的研究思路，从复杂系统控制与决策的特点分析入手，指出复杂系统控制与决策存在的问题，然后以水资源水环境系统为主要研究对象，着重研究智能计算方法在复杂系统控制与决策中的应用。

《复杂系统控制与决策中的智能计算》全面介绍了复杂系统控制与决策中的主要智能计算方法，全书共分8章，包括绪论、神经网络、模糊计算、群体智能、强化学习、小波神经网络、核主元分析与支持向量机、智能计算新进展及其应用前景展望等。

本书可以作为高等院校系统工程、控制科学、人工智能、信息学科以及相关交叉学科的大学生和研究生教材，也可以作为相关领域研究人员和教师的参考用书。

第1章 绪论

 1.1 复杂系统概述

1.1.1 复杂系统相关概念

1.1.2 复杂系统控制与决策

 1.2 关于智能计算

1.2.1 智能计算简介

1.2.2 智能计算主要方法

 1.3 复杂系统控制与决策中的智能计算

1.3.1 复杂系统控制与决策中存在的问题

1.3.2 智能计算在复杂系统控制与决策中的应用

 1.4 本书的研究内容和结构安排

1.4.1 本书的主要研究內容

1.4.2 本书的结构安排

 1.5 本章小结

 参考文献

第2章 神经网络在湖泊水文水质调节功能模拟中的应用

 2.1 引言

 2.2 研究内容

 2.3 基于BP神经网络的水文调节功能模拟

2.3.1 BP神经网络

2.3.2 三峡运行对湖口水位的影响分析

 2.4 基于自适应神经网络的水质调节功能模拟

2.4.1 A-BP神经网络二维水质模型

2.4.2 模拟计算

 2.5 本章小结

 参考文献

第3章 模糊计算在水质评价及时间序列挖掘中的应用

 3.1 引言

 3.2 模糊计算基础

3.2.1 模糊集合理论

3.2.2 模糊关系与模糊推理

 3.3 基于模糊综合评价的水质分析

3.3.1 评价指标

3.3.2 改进模糊综合评价模型

3.3.3 水质变化趋势分析

 3.4 基于模糊推理的时间序列挖掘

3.4.1 小波分解原理

3.4.2 基于ANFIS的时间序列预测方法

3.4.3 仿真实验

 3.5 本章小结

 参考文献

第4章 群体智能及其在水价预测中的应用

 4.1 群体智能与多Agent系统

4.1.1 多Agent理论与方法

4.1.2 基于多Agent的智能决策支持系统

4.1.3 Agent的学习问题

 4.2 水价预测问题介绍

 4.3 基于降维的多Agent强化学习算法

4.3.1 算法描述

4.3.2 与普通算法的比较

 4.4 基于多Agent的水价预测智能系统

4.4.1 水价预测智能系统的建立

4.4.2 仿真实验

 4.5 本章小结

 参考文献

第5章 强化学习及其在智能决策中的应用

 5.1 强化学习与多Agent智能决策概述

5.1.1 单Agent强化学习

5.1.2 多Agent强化学习

5.1.3 强化学习在多Agcnt智能决策中的应用

 5.2 城市水资源配置问题描述

 5.3 改进的多Agent-Q学习算法

5.3.1 基于遗传算法的最大映射Q值

5.3.2 自适应多因素回报值

 5.4 实验研究

5.4.1 实验一(正常情况下)

5.4.2 实验二(动态环境下)

5.4.3 讨论分析

 5.5 本章小结

 参考文献

第6章 基于小波神经网络的湖泊生态系统健康评价

 6.1 引言

 6.2 评价体系与评价标准的确定

6.2.1 评价指标构建原則

6.2.2 指标体系的结构框架

6.2.3 评价指标的度量

6.2.4 评价标准的确定

 6.3 基于小波神经网络的评价模型

6.3.1 模型结构

6.3.2 初始值的选择

6.3.3 计算流程

 6.4 湖泊生态系统健康评价

6.4.1 训练样本和检验样本

6.4.2 算法步骤

6.4.3 评价结果

 6.5 本章小结

 参考文献

第7章 基于核主元分析与支持向量机的水环境系统突发事件监测

 7.1 核主元分析与支持向量机方法简介

7.1.1 核主元分析方法

7.1.2 支持向量机方法

 7.2 水环境系统突发事件监测问题描述

 7.3 基于信任机制的水环境系统突发事件监测方法

7.3.1 信任机制概念

7.3.2 基于信任机制的突发事件诊断

 7.4 仿真实验与结果分析

7.4.1 传感器突发失效故障诊断

7.4.2 突发水污染事件诊断

7.4.3 复杂情况下的突发事件诊断

7.4.4 与传统的KPCA方法和BP神经网络比较

 7.5 本章小结

 参考文献

第8章 智能计算新进展及其应用前景展望

 8.1 引言

 8.2 生物启发的智能计算方法

8.2.1 人工免疫算法

8.2.2 DNA算法

8.2.3 膜计算方法

8.2.4 生物启发神经网络模型

 8.3 文化算法

8.3.1 文化算法基本原理

8.3.2 文化算法研究进展

 8.4 智能计算在复杂系统中的应用前景

 8.5 本章小结

 参考文献