MATLAB智慧型算法（第2版）

《MATLAB智慧型算法（第2版）》是2023年6月1日清華大學出版社出版的圖書，作者：溫正。

基本介紹

• 中文名：MATLAB智慧型算法（第2版）
• 作者：溫正
• 出版時間：2023年6月1日
• 出版社：清華大學出版社
• ISBN：9787302608363
• 定價：128 元
• 印次：2-1
• 印刷日期：2023.06.09

內容簡介

本書以MATLAB R2020a 軟體為基礎，詳細介紹各種智慧型算法的原理及MATLAB 在智慧型算法中的套用，是一本MATLAB 智慧型算法設計的綜合性參考書。

全書以智慧型算法原理及MATLAB 套用為主線，結合各種套用案例，詳細講解智慧型算法在MATLAB 中的實現方法。

全書共分為3 部分：第一部分為基礎知識；第二部分介紹經典的智慧型算法及其在MATLAB 中的實現方法，包括遺傳算法、免疫算法、蟻群算法、粒子群算法、小波分析、神經網路算法和模糊邏輯控制等內容；第三部分詳細介紹智慧型算法在工程中的套用，包括模糊神經網路在工程中的套用、遺傳算法在圖像處理中的套用、神經網路在參數估計中的套用、基於智慧型算法的PID 控制器設計等內容。

本書以工程套用為目標，內容講解深入淺出、循序漸進，既可作為高等院校理工科相關專業研究生、本科生的教材，也可作為廣大科研工程技術人員的參考用書。

圖書目錄

第一部分基礎知識

第1章人工智慧概述3

1.1人工智慧基本概念3

1.1.1智慧型的概念3

1.1.2人工智慧的概念5

1.1.3人工智慧的研究目標6

1.1.4人工智慧的研究方法6

1.1.5人工智慧的特徵8

1.2人工智慧的套用9

1.2.1機器思維9

1.2.2機器感知10

1.2.3機器行為11

1.2.4機器學習12

1.2.5機器計算12

1.3分散式人工智慧13

1.3.1機器系統14

1.3.2典型套用14

1.4本章小結15

第2章初識MATLAB16

2.1MATLAB工作環境16

2.1.1操作界面簡介16

2.1.2命令行視窗17

2.1.3命令歷史記錄19

2.1.4當前資料夾和路徑管理20

2.1.5搜尋路徑21

2.1.6“工作區”視窗和數組編輯器23

2.1.7變數的編輯命令24

2.1.8存取數據檔案25

2.2MATLAB基本概念26

2.2.1數據類型概述26

2.2.2整數型26

2.2.3浮點數型28

2.2.4複數30

2.2.5無窮量和非數值量31

2.2.6數據顯示格式31

2.2.7數據類型函式32

2.2.8常量與變數32

2.2.9標量、向量、矩陣和數組33

2.2.10字元串34

2.2.11算術運算符35

2.2.12命令、函式、表達式和語句36

2.3MATLAB幫助系統36

2.3.1純文本幫助37

2.3.2幫助導航37

2.3.3示例幫助38

2.4本章小結38

第3章MATLAB基礎39

3.1數組.39

3.1.1數組的定義39

3.1.2數組的創建39

3.1.3多維數組及其操作47

3.2矩陣.51

3.2.1實數值矩陣輸入51

3.2.2複數矩陣輸入51

3.2.3符號矩陣的生成52

3.2.4大矩陣的生成53

3.2.5矩陣的數學函式53

3.3符號運算58

3.3.1符號對象58

3.3.2符號變數60

3.3.3符號表達式及函式61

3.3.4符號變數代換63

3.3.5符號對象轉換為數值對象64

3.3.6符號表達式的化簡.65

3.3.7符號運算的其他函式67

3.3.8兩種特定的符號函式運算69

3.4關係運算和邏輯運算70

3.4.1關係運算70

3.4.2邏輯運算71

3.4.3常用函式74

3.4.4運算符的優先權75

3.5本章小結75

第4章程式設計76

4.1自頂向下的程式設計方法76

4.2分支結構79

4.2.1if分支結構79

4.2.2switch分支結構80

4.3循環結構81

4.3.1while循環結構81

4.3.2for循環結構82

4.3.3控制程式的其他命令83

4.4程式調試和最佳化87

4.4.1程式調試命令87

4.4.2程式常見的錯誤類型87

4.4.3效率最佳化91

4.4.4記憶體最佳化91

4.5本章小結93

第二部分算法專題

第5章遺傳算法97

5.1遺傳算法基礎97

5.1.1算法基本運算97

5.1.2遺傳算法的特點98

5.1.3遺傳算法中的術語98

5.1.4遺傳算法發展現狀99

5.1.5遺傳算法的套用領域100

5.2遺傳算法原理100

5.2.1算法運算過程100

5.2.2算法編碼103

5.2.3適應度及初始群體選取103

5.2.4算法參數設計原則104

5.2.5適應度函式的調整104

5.2.6程式設計105

5.3遺傳算法典型套用109

5.3.1求函式極值109

5.3.2旅行商問題121

5.3.3基於遺傳算法的MP算法的套用127

5.4遺傳算法工具箱132

5.4.1工具箱命令方式調用133

5.4.2遺傳算法App調用135

5.4.3遺傳算法的最佳化138

5.5本章小結.145

第6章免疫算法146

6.1免疫算法基本概念146

6.1.1生物免疫系統146

6.1.2免疫算法基本原理147

6.1.3免疫算法步驟和流程148

6.1.4免疫系統模型和免疫算法149

6.1.5免疫算法特點150

6.1.6免疫算法的發展趨勢150

6.2免疫遺傳算法151

6.2.1免疫遺傳算法步驟和流程.151

6.2.2免疫遺傳算法MATLAB實現151

6.3免疫算法的套用159

6.3.1免疫算法在克隆選擇中的套用159

6.3.2免疫算法在最短路徑規劃中的套用163

6.3.3免疫算法在TSP中的套用167

6.3.4免疫算法在故障檢測中的套用173

6.4本章小結180

第7章蟻群算法181

7.1蟻群算法概述181

7.1.1蟻群算法的起源181

7.1.2蟻群算法的基本原理182

7.1.3自適應蟻群算法185

7.1.4蟻群算法實現的重要規則.186

7.1.5蟻群算法的特點186

7.1.6蟻群算法的發展與套用187

7.2蟻群算法MATLAB實現188

7.3蟻群算法的套用190

7.3.1蟻群算法在路徑規劃中的套用190

7.3.2蟻群算法在TSP中的套用203

7.4本章小結207

第8章粒子群算法208

8.1粒子群算法基礎208

8.1.1粒子群算法的起源208

8.1.2粒子群算法的發展趨勢209

8.1.3粒子群算法的特點209

8.1.4粒子群算法的套用210

8.2基本粒子群算法211

8.2.1基本原理211

8.2.2算法構成要素212

8.2.3算法參數設定212

8.2.4算法基本流程213

8.2.5MATLAB實現213

8.3權重改進的粒子群算法219

8.3.1自適應權重法219

8.3.2隨機權重法222

8.3.3線性遞減權重法224

8.4混合粒子群算法226

8.4.1基於雜交的混合粒子群算法226

8.4.2基於自然選擇的混合粒子群算法229

8.4.3基於免疫的混合粒子群算法231

8.4.4基於模擬退火的混合粒子群算法235

8.5本章小結.237

第9章小波分析238

9.1傅立葉變換到小波分析.238

9.1.1傅立葉變換.238

9.1.2小波分析240

9.2Mallat算法242

9.2.1Mallat算法原理242

9.2.2常用小波函式介紹244

9.2.3Mallat算法示例245

9.3小波分析在信號處理中的套用248

9.3.1信號壓縮248

9.3.2信號去噪249

9.3.3信號分離252

9.4小波變換在圖像處理中的套用255

9.4.1圖像壓縮255

9.4.2圖像邊緣檢測259

9.4.3圖像增強260

9.5小波App簡介.262

9.6本章小結.266

第10章神經網路算法267

10.1神經網路基礎267

10.1.1人工神經網路的發展267

10.1.2人工神經網路研究內容268

10.1.3人工神經網路研究方向268

10.1.4人工神經網路發展趨勢269

10.2神經網路的結構及學習271

10.2.1神經網路結構271

10.2.2神經網路學習272

10.2.3MATLAB在神經網路中的套用285

10.3神經網路工具箱288

10.3.1神經網路工具箱函式288

10.3.2神經網路工具箱App305

10.3.3神經網路的MATLAB實現310

10.4Simulink神經網路控制工具箱325

10.4.1神經網路模型預測控制325

10.4.2反饋線性化控制328

10.4.3模型參考控制.330

10.5本章小結.333

第11章模糊邏輯控制.334

11.1模糊邏輯控制基礎334

11.1.1模糊邏輯控制的基本概念334

11.1.2模糊邏輯控制原理335

11.1.3模糊邏輯控制器設計包括的內容335

11.1.4模糊邏輯控制規則設計336

11.1.5模糊邏輯控制系統的套用領域336

11.2模糊邏輯控制工具箱.337

11.2.1功能特點337

11.2.2模糊系統基本類型338

11.2.3模糊邏輯控制系統的構成.339

11.2.4模糊推理系統的建立、修改與存儲管理339

11.2.5模糊語言變數及其語言值.346

11.2.6模糊語言變數的隸屬度函式349

11.2.7模糊規則的建立與修改353

11.2.8模糊推理計算與去模糊化355

11.3模糊邏輯控制工具箱App358

11.3.1模糊推理系統編輯器358

11.3.2隸屬度函式編輯器360

11.3.3模糊規則編輯器360

11.3.4模糊規則瀏覽器360

11.3.5模糊推理輸入/輸出曲面視圖360

11.4模糊邏輯控制的經典套用362

11.4.1基於Simulink的模糊邏輯控制套用362

11.4.2基於模糊邏輯控制的路徑規劃366

11.4.3基於模糊神經網路控制的水質評價379

11.5本章小結.388

第三部分綜合套用

第12章模糊神經網路在工程中的套用391

12.1模糊神經網路391

12.1.1模糊神經網路概述391

12.1.2模糊系統與神經網路的區別與聯繫392

12.1.3典型模糊神經網路結構393

12.1.4自適應模糊神經推理系統393

12.2模糊神經網路建模方法395

12.3模糊神經網路在工程中的套用舉例401

12.3.1模糊神經網路在解耦控制中的套用401

12.3.2模糊神經網路在函式逼近中的套用412

12.4本章小結.419

第13章遺傳算法在圖像處理中的套用420

13.1圖像分割.420

13.1.1圖像分割的概念420

13.1.2圖像分割的理論420

13.1.3灰度門限法簡介421

13.1.4基於最大類間方差圖像分割原理422

13.2遺傳算法實現圖像分割423

13.2.1利用遺傳算法實現圖像分割的原理423

13.2.2算法實現424

13.3遺傳算法在圖像處理中的套用舉例.424

13.3.1基於遺傳算法的道路圖像閾值分割424

13.3.2基於遺傳神經網路的圖像分割433

13.3.3套用遺傳算法和KSW熵法實現灰度圖像閾值分割437

13.4本章小結.453

第14章神經網路在參數估計中的套用454

14.1參數估計的基本知識454

14.1.1參數估計的概念454

14.1.2點估計與區間估計454

14.1.3樣本容量455

14.2幾種通用神經網路的MATLAB代碼455

14.3神經網路在參數估計中的套用舉例459

14.3.1神經網路在人臉識別中的套用459

14.3.2灰色神經網路在數據預測中的套用466

14.3.3BP神經網路在數據預測中的套用472

14.3.4機率神經網路在分類預測中的套用475

14.4本章小結.478

第15章基於智慧型算法的PID控制器設計479

15.1PID控制器的理論基礎479

15.2智慧型算法在PID控制器設計中的套用.480

15.2.1神經網路在PID控制器設計中的套用480

15.2.2模糊控制在PID控制器設計中的套用487

15.2.3遺傳算法在PID控制器設計中的套用490

15.3本章小結494

參考文獻495