內容簡介
《MATLAB智慧型算法30個案例分析》是作者多年從事算法研究的經驗總結。書中所有案例均因國內各大MATLAB技術論壇網友的切身需求而精心設計，其中不少案例所涉及的內容和求解方法在國內現已出版的MATLAB書籍中鮮有介紹。《MATLAB智慧型算法30個案例分析》採用案例形式，以智慧型算法為主線，講解了遺傳算法、免疫算法、退火算法、粒子群算法、魚群算法、蟻群算法和神經網路算法等最常用的智慧型算法的MATLAB實現。《MATLAB智慧型算法30個案例分析》共給出30個案例，每個案例都是一個使用智慧型算法解決問題的具體實例，所有案例均由理論講解、案例背景、MATLAB程式實現和擴展閱讀四個部分組成，並配有完整的原創程式，使讀者在掌握算法的同時更能快速提高使用算法求解實際問題的能力。《MATLAB智慧型算法30個案例分析》可作為本科畢業設計、研究生項目設計、博士低年級課題設計參考書籍，同時對廣大科研人員也有很高的參考價值。
作品目錄
第1章 謝菲爾德大學的MATLAB遺傳算法工具箱
1.1 理論基礎
1.1.1 遺傳算法概述
1.1.2 謝菲爾德遺傳算法工具箱
1.2 案例背景
1.2.1 問題描述
1.2.2 解題思路及步驟
1.3 MATLAB程式實現
1.3.1 工具箱結構
1.3.2 遺傳算法常用函式
1.3.3 遺傳算法工具箱套用舉例
1.4 延伸閱讀
參考文獻
第2章 基於遺傳算法和非線性規捌的函式尋優算法
2.1 理論基礎
2.1 J1非線性規劃
2.1.2 非線性規劃函式
2.1.3 遺傳算法基本思想
2.1.4 算法結合思想
2.2 案例背景
2.2.1 問題描述
2.2.2 算法流程
2.2.3 遺傳算法實現
2.3 MATIAB程式實現
2.3.1 適應度函式
2.3.2 選擇操作
2.3.3 交叉操作
2.3.4 變異操作
2.3.5 算法主函式
2.3.6 非線性尋優
2.3.7 結果分析
2.4 延伸閱讀
2.4.1 其他函式的最佳化
2.4.2 其他最佳化算法
參考文獻
第3章 基於遺傳算法的BP神經網路最佳化算法
3.1 理論基礎
3.1.1 BP神經網路概述
3.1.2 遺傳算法的基本要素
3.2 案例背景
3.2.1 問題描述
3.2.2 解題思路及步驟
3.3 MATLAB程式實現
3.3.1 神經網路算法
3，3，2遺傳算法主函式
3.3.3 比較使用遺傳算法前後的差別
3.3.4 結果分析
3.4 延伸閱讀
參考文獻
第4章 基於遺傳算法的TsP算法
4.1 理論基礎
4.2 案例背景
4.2.1 問題描述
4.2.2 解決思路及步驟
4.3 MATI.AB程式實現
4.3.1 種群初始化
4.3.2 適應度函式
4.3.3 選擇操作
4.3.4 交叉操作
4.3.5 變異操作
4.3.6 進化逆轉操作
4.3.7 畫路線軌跡圖
4.3.8 遺傳算法主函式
4.3.9 結果分析
4.4 延伸閱讀
4.4.1 套用擴展
4.4.2 遺傳算法的改進
4.4.3 算法的局限性
參考文獻
第5章 基於遺傳算法的LQR控制器最佳化設計
5.1 理論基礎
5.1.1 LQR控制
5.1 1.2 基於遺傳算法設計LQR控制器
5.2 案例背景
5.2.1 問題描述
5.2.2 解題思路及步驟
……
第6章 遺傳算法工具箱詳解及套用
第7章 多種群遺傳算法的函式最佳化算法
第8章 基於量子遺傳算法的函式尋優算法
第9章 基於遺傳算法的多目標最佳化算法
第10章 基於粒子群算法的多目標搜尋算法
第11章 基於多層編碼遺傳算法的車間調度算法
第12章 免疫最佳化算法在物流配送中心選址中的套用
第13章 粒子群算法的尋優算法
第14章 基於粒子群算法的PID控制器最佳化設計
第15章 基於混合粒子群算法的TSP搜尋算法”
第16章 基於動態粒子群算法的動態環境尋優算法
第17章 基於PSO工具箱的函式尋優算法
第18章 基於魚群算法的函式尋優算法
第19章 基於模擬退火算法的TSP算法
第20章 基於遺傳模擬退火算法的聚類算法
第21章 模擬退火算法工具箱及套用
第22章 蟻群算法的最佳化計算——旅行商問題(TSP)最佳化
第23章 基於蟻群算法的二維路徑規划算法
第24章 基於蟻群算法的三維路徑規划算法
第25章 有導師學習神經網路的回歸擬合——基於近紅外光譜的汽油辛烷值預測
第26章 有導師學習神經網路的分類——鳶尾花種類識別
第27章 無導師學習神經網路的分類——礦井突水水源判別
第28章 支持向量機的分類——基於乳腺組織電阻抗特性的乳腺癌診斷
第29章 支持向量機的回歸擬合——混凝土抗壓強度預測
第30章 極限學習機的回歸擬合及分類——對比實驗研究
參考文獻
