《MATLAB智慧型算法30個案例分析（2版）》是2019年北京航空航天大學出版社出版的圖書。
基本介紹
- 中文名：MATLAB智慧型算法30個案例分析（2版）
- 出版時間：2019年3月1日
- 出版社：北京航空航天大學出版社
- ISBN：9787512414112
內容簡介,圖書目錄,
內容簡介
《MATLAB智慧型算法30個案例分析（第2版）》是作者多年從事算法研究的經驗總結.書中所有案例均應國內各大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（第2版）》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Z常用的智慧型算法的MATLAB實現.本書共給出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,並配有完整的程式源碼和講解視頻,使讀者在掌握算法的同時,也可以學習到作者們多年積累的編程經驗與技巧,從而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（第2版）》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.
圖書目錄
第1章 謝菲爾德大學的MATLAB遺傳算法工具箱 1
1.1 理論基礎 1
1.1.1 遺傳算法概述 1
1.1.2 謝菲爾德遺傳算法工具箱 1
1.2 案例背景 3
1.2.1 問題描述 3
1.2.2 解題思路及步驟 3
1.3 MATLAB程式實現 3
1.3.1 工具箱結構 3
1.3.2 遺傳算法常用函式 4
1.3.3 遺傳算法工具箱套用舉例 12
1.4 延伸閱讀 16
參考文獻 16
第2章 基於遺傳算法和非線性規劃的函式尋優算法 17
2.1 理論基礎 17
2.1.1 非線性規劃 17
2.1.2 非線性規劃函式 17
2.1.3 遺傳算法基本思想 18
2.1.4 算法結合思想 18
2.2 案例背景 18
2.2.1 問題描述 18
2.2.2 算法流程 18
2.2.3 遺傳算法實現 19
2.3 MATLAB程式實現 20
2.3.1 適應度函式 20
2.3.2 選擇操作 20
2.3.3 交叉操作 21
2.3.4 變異操作 22
2.3.5 算法主函式 23
2.3.6 非線性尋優 24
2.3.7 結果分析 24
2.4 延伸閱讀 25
2.4.1 其他函式的最佳化 25
2.4.2 其他最佳化算法 26
參考文獻 26
第3章 基於遺傳算法的BP神經網路最佳化算法 27
3.1 理論基礎 27
3.1.1 BP神經網路概述 27
3.1.2 遺傳算法的基本要素 27
3.2 案例背景 27
3.2.1 問題描述 27
3.2.2 解題思路及步驟 29
3.3 MATLAB程式實現 31
3.3.1 神經網路算法 31
3.3.2 遺傳算法主函式 32
3.3.3 比較使用遺傳算法前後的差別 34
3.3.4 結果分析 35
3.4 延伸閱讀 37
參考文獻 37
第4章 基於遺傳算法的TSP算法 38
4.1 理論基礎 38
4.2 案例背景 38
4.2.1 問題描述 38
4.2.2 解決思路及步驟 39
4.3 MATLAB程式實現 40
4.3.1 種群初始化 40
4.3.2 適應度函式 40
4.3.3 選擇操作 41
4.3.4 交叉操作 41
4.3.5 變異操作 43
4.3.6 進化逆轉操作 43
4.3.7 畫路線軌跡圖 43
4.3.8 遺傳算法主函式 44
4.3.9 結果分析 47
4.4 延伸閱讀 48
4.4.1 套用擴展 48
4.4.2 遺傳算法的改進 49
4.4.3 算法的局限性 49
參考文獻 49
第5章 基於遺傳算法的LQR 控制器最佳化設計 50
5.1 理論基礎 50
5.1.1 LQR控制 50
5.1.2 基於遺傳算法設計LQR控制器 50
5.2 案例背景 51
5.2.1 問題描述 51
5.2.2 解題思路及步驟 52
5.3 MATLAB程式實現 53
5.3.1 模型實現 53
5.3.2 遺傳算法實現 54
5.3.3 結果分析 56
參考文獻 56
第6章 遺傳算法工具箱詳解及套用 57
6.1 理論基礎 57
6.1.1 遺傳算法的一些基本概念 57
6.1.2 遺傳算法與直接搜尋工具箱 58
6.2 案例背景 58
6.2.1 問題描述 58
6.2.2 解題思路及步驟 59
6.3 MATLAB程式實現 59
6.3.1 GADST各函式詳解 59
6.3.2 GADST的使用簡介 63
6.3.3 使用GADST求解遺傳算法相關問題 66
6.4 延伸閱讀 68
參考文獻 68
第7章 多種群遺傳算法的函式最佳化算法 69
7.1 理論基礎 69
7.1.1 遺傳算法早熟問題 69
7.1.2 多種群遺傳算法概述 69
7.2 案例背景 70
7.2.1 問題描述 70
7.2.2 解題思路及步驟 71
7.3 MATLAB程式實現 71
7.3.1 移民運算元 72
7.3.2 人工選擇運算元 72
7.3.3 目標函式 73
7.3.4 標準遺傳算法主函式 73
7.3.5 多種群遺傳算法主函式 74
7.3.6 結果分析 75
7.4 延伸閱讀 76
參考文獻 77
第8章 基於量子遺傳算法的函式尋優算法 78
8.1 理論基礎 78
8.1.1 量子遺傳算法概述 78
8.1.2 量子比特編碼 78
8.1.3 量子門更新 79
8.2 案例背景 79
8.2.1 問題描述 79
8.2.2 解題思路及步驟 80
8.3 MATLAB程式實現 82
8.3.1 種群初始化 82
8.3.2 測量函式 82
8.3.3 量子旋轉門函式 83
8.3.4 適應度函式 84
8.3.5 量子遺傳算法主函式 85
8.3.6 結果分析 87
8.4 延伸閱讀 87
參考文獻 88
第9章 基於遺傳算法的多目標最佳化算法 89
9.1 理論基礎 89
9.1.1 多目標最佳化及Pareto最優解 89
9.1.2 函式gamultiobj 89
9.1.3 函式gamultiobj中的一些基本概念 90
9.2 案例背景 90
9.2.1 問題描述 90
9.2.2 解題思路及步驟 90
9.3 MATLAB程式實現 91
9.3.1 gamultiobj組織結構 91
9.3.2 函式stepgamultiobj分析 92
9.3.3 使用函式gamultiobj求解多目標最佳化問題 99
9.3.4 結果分析 100
參考文獻 101
第10章 基於粒子群算法的多目標搜尋算法 102
10.1 理論基礎 102
10.2 案例背景 102
10.2.1 問題描述 102
10.2.2 算法流程 103
10.2.3 適應度計算 103
10.2.4 篩選非劣解集 103
10.2.5 粒子速度和位置更新 103
10.2.6 粒子最優 104
10.3 MATLAB程式實現 104
10.3.1 種群初始化 104
10.3.2 種群更新 104
10.3.3 更新個體最優粒子 105
10.3.4 非劣解篩選 105
10.3.5 仿真結果 106
10.4 延伸閱讀 107
參考文獻 107
第11章 基於多層編碼遺傳算法的車間調度算法 108
11.1 理論基礎 108
11.2 案例背景 108
11.2.1 問題描述 108
11.2.2 模型建立 108
11.2.3 算法實現 109
11.3 MATLAB程式實現 110
11.3.1 主函式 110
11.3.2 適應度值計算 111
11.3.3 交叉函式 113
11.3.4 變異函式 113
11.3.5 仿真結果 114
11.4 案例擴展 115
11.4.1 模糊目標 115
11.4.2 代碼分析 116
11.4.3 仿真結果 117
參考文獻 117
第12章 免疫最佳化算法在物流配送中心選址中的套用 118
12.1 理論基礎 118
12.1.1 物流中心選址問題 118
12.1.2 免疫算法的基本思想 118
12.2 案例背景 119
12.2.1 問題描述 119
12.2.2 解題思路及步驟 120
12.3 MATLAB程式實現 122
12.3.1 免疫算法主函式 122
12.3.2 多樣性評價 123
12.3.3 免疫操作 124
12.3.4 仿真實驗 127
12.4 案例擴展 128
參考文獻 129
