MATLAB智能算法超级学习手册

本书特色

[

matlab为广大科研工作者的**工具之一，智能算法在工程实际上得到较广泛的应用。《matlab智能算法超级学习手册》基于matlab r2013a软件，全面地介绍和举例验证智能算法的有效性。
　　智能算法种类较多，《matlab智能算法超级学习手册》的内容主要包括马尔科夫链模型、层次分析法、粒子群算法、遗传算法、蚁群算法、鱼群算法、pid控制算法、神经网络算法等。智能算法对于很多初学者而言，有一定的困难，很难理解程序流程、数据的运算过程，因此给实际应用带来困难。本书将围绕智能算法展开综述，深入浅出地介绍和分析各类智能算法，用智能算法解决工程应用问题。
　　《matlab智能算法超级学习手册》以工程应用为目标，深入浅出，实例引导，讲解详实，适合作为理工科高等院校研究生、本科生的教学用书，也可作为广大科研和工程技术人员的参考用书。

]

内容简介

[

作者均是经验丰富的专业工程师，内容来源于作者多年工作经验的总结。无论是从案例的选择、讲解的详细程度、书中涉及的专业知识等各方面都充分考虑到读者的喜好，力求打造“工程软件应用精解”这一长销品牌。
　　·由浅入深，循序渐进：本书以matlab爱好者为对象，首先从matlab使用基础讲起，再辅以matlab智能算法在工程中的应用案例，帮助读者尽快掌握matlab进行智能算法学习和开发。
　　·步骤详尽、内容新颖：本书结合作者多年matlab使用经验与实际工程应用案例，将matlab软件的使用方法与技巧详细地讲解给读者。本书在智能算法讲解过程中，步骤详尽，讲解过程辅以相应的流程图，使读者在阅读时一目了然，从而快速掌握书中所讲内容。
　　·实例典型，轻松易学：通过学习实际工程应用案例，运用智能算法进行操作求解，是掌握matlab智能算法编程应用*好的方式。本书通过综合应用案例，透彻详尽地讲解了matlab在智能算法的应用研究。

]

作者简介

[

MATLAB技术联盟高飞，长期从事信息处理等相关工作，熟悉MATLAB等工程软件，在国内外期刊发表论文多篇。

]

目录

第1章matlab基础知识1.1matlab简介1.2矩阵的表示1.2.1数值矩阵的生成1.2.2符号矩阵的生成1.2.3特殊矩阵的生成1.3符号变量的应用1.3.1质点系的转动惯量问题1.3.2油罐剩余油量体积的求解1.3.3光的反射定理的论证1.4线性方程组的求解1.4.1齐次线性方程组的通解1.4.2非齐次线性方程组的通解1.4.3线性方程组的lq解法1.5简单工程应用分析1.5.1内燃机转角与升程插值模型1.5.2航行区域警示线模型1.6本章小结第2章种群竞争微分方程的求解2.1种群竞争微分方程模型2.2种群竞争模型的讨论2.3本章小结第3章基于markov的食品物价趋势预测3.1问题背景3.1.1食品零售价格数据3.1.2问题的提出3.2食品分类模型基本假设3.3食品价格数值分类求解3.3.1食品聚类分类3.3.2食品价格特点分析3.4食品价格增长率分类求解3.4.1食品属性分类3.4.2食品价格特点分析3.5食品价格趋势预测3.5.1食品价格预测模型基本假设3.5.2食品价格预测模型符号说明3.5.3食品价格预测模型的建立与求解3.6本章小结第4章基于时间序列的物价预测算法4.1时间序列的基本概念4.2非平稳时间序列变动的影响因素与测定模型4.3时间序列的预测方法4.3.1季节变动分析4.3.2循环变动分析4.4食品价格分析4.5灰色关联分析4.5.1灰色预测建模4.5.2食品价格趋势预测4.6时间序列指数平滑预测法4.6.1一次指数平滑预测法4.6.2二次指数平滑预测法4.6.3三次指数平滑法4.7时间序列线性二次移动平均法4.8本章小结第5章基于层次分析法的食堂服务质量评价算法5.1问题的背景5.2层次分析法5.2.1层次分析法的特点5.2.2层次分析法的应用5.2.3层次分析法的基本原理与步骤5.2.4层次分析法应用举例5.3学生食堂就餐服务质量满意度5.3.1食堂服务质量评价模型基本假设5.3.2食堂服务质量评价模型分析5.3.3食堂服务质量评价模型符号说明5.3.4食堂服务质量评价模型的建立与求解5.4本章小结第6章matlab优化工具箱的使用6.1线性规划问题6.2foptions函数6.3非线性规划问题6.3.1有约束的一元函数的*小值6.3.2无约束的多元函数*小值6.3.3有约束的多元函数*小值6.3.4二次规划问题6.4“半无限”有约束的多元函数*优解6.5极小化极大问题6.6多目标规划问题6.7*小二乘*优问题6.7.1约束线性*小二乘6.7.2非线性曲线拟合6.7.3非线性*小二乘6.7.4非负线性*小二乘6.8非线性方程求解6.8.1非线性方程的解6.8.2非线性方程组的解6.9本章小结第7章基于rbf网络的优化逼近7.1rbf神经网络7.1.1rbf网络特点7.1.2rbf网络结构7.1.3rbf网络的逼近7.2模糊rbf网络7.2.1网络结构7.2.2基于模糊rbf网络的逼近算法7.3基于遗传算法的rbf网络逼近7.4rbf网络自校正控制7.4.1自校正控制算法7.4.2rbf网络自校正控制算法7.5本章小结第8章自适应模糊控制算法8.1模糊控制8.1.1模糊系统的设计8.1.2模糊系统的逼近精度8.1.3模糊逼近仿真8.2间接自适应模糊控制8.2.1一般模糊系统8.2.2自适应模糊控制器的设计8.2.3稳定性分析8.2.4间接自适应模糊控制仿真8.3直接自适应模糊控制8.3.1问题描述8.3.2控制器的设计8.3.3自适应律设计8.3.4直接自适应模糊控制仿真8.4本章小结第9章基于pid的控制算法9.1pid控制原理9.2专家pid控制9.3增量式pid控制算法及其仿真9.4积分分离式pid控制算法及其仿真9.5基于卡尔曼滤波器的pid控制9.6本章小结第10章基于lqr+pid的倒立摆控制算法10.1背景10.2线性系统10.2.1状态空间基本定义10.2.2状态空间表达式10.2.3系统状态线性变换10.2.4线性系统的能控性10.3*优控制10.3.1线性二次型控制10.3.2lqr状态反馈矩阵求解10.3.3pid控制10.3.4pid状态反馈矩阵求解10.4倒立摆系统10.4.1一级倒立摆系统分析10.4.2利用lqr法设计控制器10.4.3利用pid法设计控制器10.5倒立摆系统平衡控制系统设计10.5.1simulink设计仿真10.5.2线性二次型倒立摆控制10.5.3pid倒立摆控制10.6本章小结第11章基于粒子群算法的寻优计算11.1基本粒子群算法11.2粒子群算法的收敛性11.3粒子群算法函数极值求解11.3.1一维函数全局*优11.3.2经典测试函数11.3.3无约束函数极值寻优11.3.4有约束函数极值寻优11.3.5有约束函数极值apso寻优11.4matlab优化工具箱简介11.5本章小结第12章基本粒子群改进算法分析12.1基本粒子群算法12.1.1基本pso算法12.1.2pso算法基本特点12.1.3基本pso算法流程12.2粒子群算法改进12.3提高粒子群算法效率12.3.1带惯性权重的pso算法12.3.2权重线性递减的pso算法12.3.3自适应权重的pso算法12.3.4随机权重策略的pso算法12.3.5增加收缩因子的pso算法12.3.6其他参数的变化12.4本章小结第13章基于免疫算法的物流中心选址13.1物流中心选址问题13.2免疫算法的基本思想13.3基于免疫优化算法的物流中心选址问题求解13.3.1初始群体的产生13.3.2解的多样性评价13.3.3免疫操作13.3.4模型求解13.4本章小结第14章基于人工免疫的粒子群聚类算法14.1聚类分析14.2pso优化算法分析14.2.1粒子群优化算法14.2.2pso算法改进策略14.3人工免疫特性分析14.3.1生物免疫系统及其特性14.3.2种群分布熵14.3.3平均粒距14.3.4精英均值偏差14.4基于人工免疫的粒子群优化算法14.4.1pso函数极值求解14.4.2粒子群聚类算法理论分析14.4.3粒子群算法实现流程14.4.4种群多样性聚类分析14.5本章小结第15章基于art的植物种类自动分类15.1art网络分类算法简介15.1.1人工神经网络实际应用15.1.2art网络15.2植物种类自动分类研究15.2.1植物种类简介15.2.2植物分类15.3基于art的植物种类数据自动分类研究15.3.1神经网络简介15.3.2自适应共振理论15.3.3art1网络结构15.3.4art1运行过程15.4本章小结第16章基于贝叶斯网络的数据预测16.1贝叶斯统计方法16.2贝叶斯预测方法16.3贝叶斯网络的数据预测16.4本章小结第17章基于遗传算法的寻优计算17.1遗传算法的寻优计算17.2基于ga的三维曲面极值寻优17.3基于ga_pso算法的寻优计算17.4本章小结第18章基于遗传算法的tsp求解18.1旅行商问题分析18.1.1遗传算法简介18.1.2遗传算法现状分析18.2遗传算法的特点18.3遗传算法中各算子的特点18.3.1选择算子(selection)18.3.2交叉算子(crossover)18.3.3变异算子(mutation)18.4遗传算法的基本步骤18.4.1编码18.4.2初始群体的生成18.4.3杂交18.4.4适应度值评估检测18.4.5选择18.4.6变异18.4.7中止18.5基于ga的旅行商问题求解18.5.1tsp问题定义18.5.2tsp算法框架18.5.3tsp算法流程框图18.5.4固定地图tsp求解18.5.5随机地图tsp求解18.6遗传算法讨论18.6.1编码表示18.6.2适应度函数18.6.3选择策略18.6.4控制参数18.7本章小结第19章基于蚁群算法的路径规划计算19.1基于蚁群算法的二维路径规划算法19.1.1maklink图论19.1.2蚁群算法理论19.1.3dijkstra算法19.1.4路径规划问题分析求解19.2基于蚁群算法的三维路径规划算法19.2.1三维空间抽象建模19.2.2三维路径问题19.2.3信息素更新19.2.4可视搜索空间19.2.5蚁群搜索策略19.2.6路径规划问题分析求解19.3本章小结第20章基于蚁群算法的tsp求解20.1蚁群算法理论研究现状20.2蚁群算法的基本原理20.3基于aco的tsp求解20.4基于aco_pso的tsp求解20.5本章小结第21章基于模拟退火的粒子群算法21.1基于模拟退火的粒子群算法21.1.1模拟退火算法的提出21.1.2模拟退火算法的步骤21.1.3模拟退火的粒子群算法21.2本章小结第22章基于人群搜索算法的函数优化22.1soa算法的基本原理22.1.1利己行为22.1.2利他行为22.1.3预动行为22.1.4不确定性行为22.2人群搜索算法22.2.1搜索步长的确定22.2.2搜索方向的确定22.2.3搜寻者个体位置的更新22.2.4算法的实现22.3基于人群搜索算法的函数优化22.3.1优化函数的选择22.3.2函数优化的结果22.4本章小结第23章数控机床进给伺服系统的soa-pid参数整定23.1soa算法在pid控制中的运用23.1.1pid控制原理23.1.2pid的离散化处理23.1.3基于soa的pid参数整定的基本原理23.2基于soa的pid参数整定的设计方案23.2.1参数的编码23.2.2适应度函数的选取23.2.3算法流程23.2.4算法实例23.2.5pid参数整定结果23.3数控机床进给伺服系统的数学模型23.3.1数控机床进给伺服系统的pmsm数学模型23.3.2矢量变换原理23.3.3clarke变换23.3.4park变换23.3.5同步旋转坐标上的pmsm数学模型23.4机械参量和负载的折算23.5矢量控制和磁场定向原理23.5.1矢量控制原理23.5.2磁场定向原理23.5.3磁场定向(id=0)的控制方式下的pmsm进给伺服系统模型23.5.4数控机床进给伺服系统数学模型的传递函数的表示23.6基于soa算法对数控机床进给伺服系统pid优化23.6.1适应度函数的选取23.6.2soa算法流程23.6.3pid参数整定结果23.7本章小结参考文献

封面

书名:MATLAB智能算法超级学习手册

作者:高飞

页数:482

定价:¥69.0

出版社:人民邮电出版社

出版日期:2014-04-01

ISBN:9787115348791

PDF电子书大小:123MB 高清扫描完整版