基本介紹
- 書名：MATLAB最佳化算法案例分析與套用
- ISBN：9787302367024
- 定價：69.8元
- 出版社：清華大學出版社
- 出版時間：2014-8-29
- 裝幀：平裝
圖書簡介,目錄,
圖書簡介
本書全面而系統地介紹了MATLAB算法和案例套用，涉及面廣，從基本操作到高級算法套用，幾乎涵蓋MATLAB算法的所有重要知識。本書結合算法理論和流程，通過大量案例，詳解算法代碼，解決具體的工程案例，讓讀者更加深入地學習和掌握各種算法在不同案例中的套用。
目錄
第1篇MATLAB常見算法套用
第1章MATLAB基礎知識 2
1.1MATLAB簡介 2
1.2矩陣的表示 7
1.3圖形點線樣式 10
1.4MATLAB自帶圖形集 10
1.4.1平面與立體繪圖 10
1.4.2複雜函式的三維繪圖 13
1.4.3等高線繪製 17
1.4.4MATLAB動畫 17
1.4.5數據擬合 19
1.4.6MATLAB圖像處理 21
1.5本章小結 22
第2章GUI套用及數值分析 23
2.1GUI套用分析 23
2.1.1圖像載入和存儲 23
2.1.2GUI圖形顯示 25
2.1.3可變GUI窗體設定 26
2.2設計可執行函式檔案 28
2.3符號變數套用求解 29
2.4圖像盲區 31
2.5常態分配 34
2.6本章小結 36
第3章MATLAB工程套用實例 37
3.1光的反射定理論證 37
3.1.1公式推算 37
3.1.2代碼實現 38
3.2質點系轉動慣量求解 39
3.3儲油罐的油量計算 40
3.4香菸毒物攝入問題 40
3.5冰雹的下落速度 42
3.5.1公式推算 42
3.5.2代碼實現 43
3.6本章小結 45
第4章GM套用分析 46
4.1數據歸一化處理 46
4.2灰色關聯分析 47
4.2.1灰色預測求解流程 47
4.2.2灰色預測建模 48
4.3食品價格灰色關聯分析 49
4.3.1食品價格趨勢預測 49
4.3.2食品價格分析 50
4.3.3灰色關聯分析 50
4.4本章小結 55
第5章PLS套用分析 56
5.1偏最小二乘回歸 56
5.2偏最小二乘快速計算方法 59
5.3偏最小二乘數據分析 60
5.4本章小結 66
第6章ES套用分析 67
6.1時間序列的基本概念 67
6.2非平穩時間序列變動的影響因素與測定模型 68
6.3時間序列的預測方法 68
6.3.1季節變動分析 69
6.3.2循環變動分析 69
6.4食品價格分析 69
6.5時間序列指數平滑預測法 71
6.5.1一次指數平滑預測法 72
6.5.2二次指數平滑預測法 73
6.5.3三次指數平滑法 74
6.6時間序列線性二次移動平均法預測法 76
6.7本章小結 80
第7章Markov套用分析 81
7.1問題背景 81
7.2模型基本假設 82
7.3食品價格趨勢預測 82
7.3.1模型符號說明 82
7.3.2模型建立與求解 83
7.3.3結果分析 89
7.4本章小結 95
第8章AHP套用分析 96
8.1層次分析法 96
8.1.1層次分析法特點 96
8.1.2層次分析法步驟 96
8.2工作滿意度模型 101
8.3食堂就餐服務質量滿意度 105
8.3.1模型基本假設 106
8.3.2模型分析 106
8.3.3模型符號說明 106
8.3.4模型建立與求解 107
8.3.5一致性檢驗 111
8.3.6結果分析 112
8.4本章小結 113
第9章DWRR套用分析 114
9.1問題的背景 114
9.2模型基本假設 114
9.3模型符號說明 114
9.4模型的建立與求解 115
9.4.1評價指標的規範化處理 115
9.4.2動態加權函式的確定 116
9.4.3空氣品質評價模型的建立 116
9.4.4模型求解步驟 117
9.4.5結果求解及分析 118
9.5本章小結 121
第10章模糊逼近算法 122
10.1模糊控制理論 122
10.2模糊系統的設計 122
10.3模糊系統的逼近精度 123
10.4模糊逼近仿真 124
10.5本章小結 129
第11章模糊RBF網路 130
11.1RBF神經網路 130
11.1.1RBF網路結構 130
11.1.2RBF網路的逼近 131
11.2模糊RBF網路 138
11.2.1網路結構 139
11.2.2基於模糊RBF網路的逼近算法 140
11.3本章小結 144
第12章基於FCEM的TRIZ評價 145
12.1TRIZ創新方法原理 145
12.2企業創新能力評價指標的構建 146
12.3企業創新能力的模糊綜合評價方法 146
12.4企業創新能力綜合評價指標排序結果分析 153
12.5本章小結 154
第2篇MATLAB群智慧型算法套用設計
第13章基於PSO的尋優計算 156
13.1基本粒子群算法 156
13.2粒子群算法的收斂性 158
13.3粒子群算法函式極值求解 159
13.3.1一維函式全局最優 159
13.3.2經典測試函式 162
13.3.3無約束函式極值尋優 168
13.3.4有約束函式極值尋優 171
13.3.5有約束函式極值APSO尋優 174
13.4本章小結 179
第14章基於PSO的機構最佳化 180
14.1微粒群最佳化算法研究現狀 180
14.1.1微粒群最佳化算法的改進研究 180
14.1.2微粒群最佳化算法的套用研究 181
14.2機構最佳化設計理論分析 181
14.3平面連桿機構的模型建立 182
14.4利用複合形法進行設計 184
14.4.1複合形法的算法流程 184
14.4.2模型計算結果 184
14.5利用約束隨機方向法進行設計 187
14.5.1初始點的選擇 188
14.5.2隨機方向法的算法流程 188
14.5.3模型計算結果 188
14.6利用最佳化工具箱法進行設計 191
14.7利用微粒群最佳化算法進行設計 194
14.8本章小結 198
第15章基本PSO的改進策略 199
15.1常用粒子群算法 199
15.1.1基本PSO算法 199
15.1.2基本PSO算法流程 201
15.2粒子群算法改進 201
15.3加快粒子群算法效率 202
15.3.1帶慣性權重的PSO算法 202
15.3.2權重線性遞減的PSO算法 203
15.3.3自適應權重的PSO算法 208
15.3.4隨機權重策略的PSO算法 211
15.3.5增加收縮因子的PSO算法 213
15.3.6其他參數的變化 217
15.4本章小結 226
第16章基於GA的尋優計算 227
16.1遺傳算法簡介 227
16.2遺傳算法特點 228
16.3遺傳算法的基本步驟 229
16.3.1編碼 229
16.3.2初始群體的生成 230
16.3.3雜交 230
16.3.4適應度值評估檢測 230
16.3.5選擇 231
16.3.6變異 231
16.3.7中止 231
16.4遺傳算法的尋優計算 231
16.5基於GA的3D曲面極值尋優計算 239
16.6基於GA_PSO算法的尋優計算 245
16.7遺傳算法討論 248
16.7.1編碼表示 248
16.7.2適應度函式 248
16.7.3選擇策略 248
16.7.4控制參數 248
16.8本章小結 249
第17章基於GA的TSP求解 250
17.1旅行商問題分析 250
17.2遺傳算法運算元分析 250
17.2.1選擇運算元（selection） 250
17.2.2交叉運算元（crossover） 251
17.2.3變異運算元（mutation） 252
17.3基於GA的旅行商問題求解 252
17.3.1TSP問題定義 252
17.3.2基於遺傳算法的TSP算法框架 253
17.3.3TSP算法流程框圖 253
17.3.4固定地圖TSP求解 254
17.3.5隨機地圖TSP求解 255
17.4本章小結 261
第18章基於Hopfield的TSP求解 262
18.1Hopfield神經網路 262
18.1.1離散Hopfield網路 263
18.1.2連續Hopfield網路 263
18.2基於CHNN的TSP求解 265
18.2.1模型分析 266
18.2.2模型算法具體步驟 266
18.2.3模型求解 267
18.3本章小結 271
第19章基於ACO的TSP求解 272
19.1蟻群算法理論研究現狀 272
19.2蟻群算法的基本原理 273
19.3基於ACO的TSP求解 277
19.4基於ACO_PSO的TSP求解 281
19.5本章小結 291
第20章基於SA的PSO算法 292
20.1模擬退火算法提出 292
20.2模擬退火算法的步驟 293
20.3模擬退火的粒子群算法 293
20.3.1算法尋優步驟 294
20.3.2程式代碼 294
20.4本章小結 299
第21章基於kalman的PID控制 300
21.1PID控制原理 300
21.2基於卡爾曼濾波器的PID控制 301
21.2.1含噪音信號的濾波常見處理方法 302
21.2.2採用卡爾曼濾波器實現信號的濾波 312
21.2.3採用卡爾曼濾波進行測量溫度的跟蹤 314
21.3本章小結 319
第22章基於SOA的尋優計算 320
22.1SOA算法的基本原理 320
22.1.1利己行為 320
22.1.2利他行為 321
22.1.3預動行為 321
22.1.4不確定性行為 321
22.2群智慧型最佳化算法 321
22.2.1PSO算法 321
22.2.2GA算法 322
22.2.3SOA算法 322
22.3人群搜尋算法 322
22.3.1適應度函式的選取 322
22.3.2搜尋步長的確定 323
22.3.3搜尋方向的確定 323
22.3.4個體位置的更新 324
22.3.5算法的實現 324
22.4基於人群搜尋算法的函式最佳化 324
22.4.1最佳化函式的選擇 325
22.4.2函式最佳化的結果 325
22.5本章小結 337
第23章基於Bayes的數據預測 338
23.1貝葉斯統計方法 338
23.2貝葉斯預測方法 340
23.3貝葉斯網路的數據預測 342
23.4基於貝葉斯網路模式識別套用 345
23.5本章小結 348
第24章基於SOA的PID參數整定 349
24.1SOA算法在PID控制中的運用 349
24.1.1PID控制原理 349
24.1.2PID的離散化處理 350
24.2基於SOA的PID參數整定的設計方案 350
24.2.1參數的編碼 351
24.2.2適應度函式的選取 351
24.2.3算法流程 351
24.2.4算法實例 352
24.2.5PID參數整定結果 352
24.3數控工具機進給伺服系統的數學模型 371
24.3.1數控工具機進給伺服系統的PMSM數學模型 371
24.3.2數控工具機伺服系統數學模型的傳遞函式的表示 372
24.4基於SOA算法對數控工具機進給伺服系統PID最佳化 372
24.4.1適應度函式的選取 373
24.4.2SOA算法流程 373
24.4.3PID參數整定結果 373
24.5本章小結 392
第25章基於BP的人臉方向預測 393
25.1BP神經網路基本原理 393
25.2BP神經網路的分析流程 394
25.3人臉方向預測 396
25.4本章小結 399
第26章基於Hopfield的數字識別 400
26.1Hopfield網路原理分析 400
26.2Hopfield數字識別 401
26.2.1離散Hopfield網路（DHNN） 401
26.2.2連續Hopfield網路 402
26.2.3基於DHNN的數字識別 403
26.3本章小結 409
第27章基於DEA的投入產出分析 410
27.1DEA原理分析 410
27.2DEA分析 411
27.2.1DEA算法流程 411
27.2.2DEA評價模型 411
27.3本章小結 415
第28章基於BP的數據分類 416
28.1BP神經網路基本原理 416
28.2BP神經網路算法步驟 417
28.3BP網路的語音信號識別 417
28.4BP網路的蝴蝶花分類預測 423
28.5本章小結 430
第29章基於SOM的數據分類 431
29.1SOM原理分析 431
29.2SOM拓撲結構分析 432
29.3SOM的癌症樣本分類預測 437
29.4柴油機故障分類 439
29.5本章小結 444
第30章基於人工免疫PSO的聚類算法 445
30.1聚類分析 445
30.2PSO最佳化算法分析 446
30.2.1粒子群最佳化算法 446
30.2.2PSO算法改進策略 446
30.3人工免疫特性分析 447
30.3.1生物免疫系統及其特性 447
30.3.2種群分布熵 448
30.3.3平均粒距 448
30.3.4精英均值偏差 448
30.4基於人工免疫粒子群最佳化算法 448
30.4.1PSO在函式極值求解 450
30.4.2粒子群聚類算法理論分析 451
30.4.3粒子群算法實現流程 453
30.4.4種群多樣性聚類分析 454
30.5本章小結 464
第31章模糊聚類分析 465
31.1聚類分析原理 465
31.2食品聚類分析 465
31.3模糊聚類工具箱 468
31.4本章小結 472
第32章基於GA_BP的抗糖化活性研究 473
32.1多糖活性背景介紹 473
32.2多糖活性數據初始化 473
32.3GA_BP最佳化分析 475
32.4本章小結 485
參考文獻 486
