《MATLAB最佳化算法（第2版）》是2023年4月1日清華大學出版社出版的圖書，作者：張岩。
基本介紹
- 中文名：MATLAB最佳化算法（第2版）
- 作者：張岩
- 出版時間：2023年4月1日
- 出版社：清華大學出版社
- ISBN：9787302603139
- 定價：118 元
- 印次：2-1
- 印刷日期：2023.04.28
內容簡介,圖書目錄,
內容簡介
本書基於MATLAB 2020a軟體，根據常用最佳化算法進行編寫，包含多種最佳化算法的MATLAB實現方法，可以幫助讀者掌握MATLAB在最佳化算法中的套用。
全書分為4部分，包括MATLAB基礎知識、常規最佳化算法、智慧型最佳化算法和拓展運用。第一部分從初識MATLAB開始詳細介紹MATLAB基礎、程式設計、圖形繪製等內容；第二部分介紹MATLAB線性規劃、非線性規劃、無約束一維極值、無約束多維極值、約束最佳化方法、二次規劃、多目標函式最佳化方法等；第三部分介紹遺傳最佳化算法免疫最佳化算法、粒子群最佳化算法、小波變換、神經網路等；第四部分介紹MATLAB在分形維數和經濟金融最佳化中的套用。
本書以MATLAB最佳化實現為主線，結合各種最佳化算法函式的說明、最佳化模型案例的講解，使讀者易看懂、會套用。本書深入淺出，實例引導，講解翔實，既可以作為高等院校數學建模和數學實驗的參考教材，也可作為廣大科研工程技術人員的參考用書。
圖書目錄
目錄
第一部分 MATLAB基礎知識
第1章 初識MATLAB 3
1.1 工作環境 3
1.1.1 操作界面簡介 3
1.1.2 命令行視窗 4
1.1.3 “命令歷史記錄”視窗 6
1.1.4 “當前資料夾”視窗和路徑管理 8
1.1.5 搜尋路徑 8
1.1.6 “工作區”視窗和數組編輯器 10
1.1.7 變數的編輯命令 11
1.1.8 存取數據檔案 12
1.2 幫助系統 13
1.2.1 純文本幫助 13
1.2.2 幫助導航 13
1.2.3 示例幫助 14
1.3 本章小結 15
第2章 MATLAB基礎 16
2.1 基本概念 16
2.1.1 數據類型概述 16
2.1.2 整數類型 17
2.1.3 浮點數類型 19
2.1.4 常量與變數 20
2.1.5 標量、向量、矩陣與數組 21
2.1.6 字元型 22
2.1.7 運算符 23
2.1.8 複數 25
2.1.9 無窮量和非數值量 26
2.2 向量 26
2.2.1 向量的生成 26
2.2.2 向量的加、減和乘、除運算 28
2.2.3 向量的點、叉積運算 29
2.3 數組 30
2.3.1 數組的創建和操作 31
2.3.2 數組的常見運算 34
2.4 矩陣 37
2.4.1 矩陣的生成 37
2.4.2 向量的賦值 40
2.4.3 矩陣的加、減運算 41
2.4.4 矩陣的乘法運算 42
2.4.5 矩陣的除法運算 43
2.4.6 矩陣的分解運算 43
2.5 字元串 44
2.5.1 字元串變數與一維字元數組 44
2.5.2 對字元串的多項操作 45
2.5.3 二維字元數組 46
2.6 符號 47
2.6.1 符號表達式的生成 47
2.6.2 符號矩陣 48
2.6.3 常用符號運算 49
2.7 關係運算和邏輯運算 50
2.7.1 關係運算 50
2.7.2 邏輯運算 51
2.7.3 常用函式 53
2.8 複數 54
2.8.1 複數和復矩陣的生成 54
2.8.2 複數的運算 55
2.9 數據類型間的轉換 56
2.10 本章小結 57
第3章 程式設計 58
3.1 MATLAB編程概述 58
3.1.1 “編輯器”視窗 58
3.1.2 編程原則 59
3.2 M檔案和函式 61
3.2.1 M檔案 61
3.2.2 匿名函式 63
3.2.3 主函式與子函式 63
3.2.4 重載函式 65
3.2.5 eval、feval函式 65
3.2.6 內聯函式 67
3.2.7 向量化和預分配 69
3.2.8 函式參數傳遞 70
3.3 程式控制 72
3.3.1 分支控制語句 72
3.3.2 循環控制語句 74
3.3.3 其他控制語句 76
3.4 程式調試和最佳化 80
3.4.1 程式調試命令 80
3.4.2 常見錯誤類型 81
3.4.3 效率最佳化 84
3.4.4 記憶體最佳化 85
3.5 經典案例 90
3.6 本章小結 97
第4章 圖形繪製 98
4.1 數據圖像繪製簡介 98
4.1.1 離散數據可視化 98
4.1.2 連續函式可視化 100
4.2 二維繪圖 102
4.2.1 二維繪圖命令 102
4.2.2 二維圖形的修飾 104
4.2.3 子圖繪製法 110
4.2.4 二維繪圖的經典套用 112
4.3 三維繪製 116
4.3.1 三維繪圖基本命令 116
4.3.2 隱藏線的顯示和關閉 119
4.3.3 三維繪圖的實際套用 119
4.4 特殊圖形的繪製 120
4.4.1 特殊二維圖形的繪製 121
4.4.2 特殊三維圖形的繪製 122
4.5 本章小結 124
第二部分 常規最佳化算法
第5章 線性規劃 127
5.1 線性規劃基本理論 127
5.1.1 線性規劃問題的一般形式 127
5.1.2 線性規劃問題的標準形式 128
5.1.3 線性規劃問題的向量標準形式 128
5.1.4 非標準形式的標準化 129
5.1.5 線性規劃模型的求解 130
5.2 最佳化選項參數設定 131
5.2.1 創建或編輯最佳化選項參數 131
5.2.2 獲取最佳化參數 133
5.3 線性規劃函式 134
5.3.1 調用格式 134
5.3.2 參數含義 135
5.3.3 命令詳解 137
5.3.4 算例求解 138
5.4 線性規劃套用 141
5.4.1 生產決策問題 141
5.4.2 工作人員計畫安排問題 142
5.4.3 投資問題 143
5.4.4 工件加工任務分配問題 144
5.4.5 廠址選擇問題 145
5.4.6 確定職工編制問題 147
5.4.7 生產計畫的最最佳化問題 148
5.5 本章小結 149
第6章 非線性規劃 150
6.1 非線性規劃基礎 150
6.1.1 非線性規劃標準形式 150
6.1.2 最優解 151
6.1.3 求解方法概述 151
6.2 有約束非線性規劃函式 153
6.2.1 調用格式 153
6.2.2 參數含義 154
6.2.3 命令詳解 160
6.2.4 算例求解 161
6.3 一維搜尋最佳化函式 163
6.3.1 調用格式 163
6.3.2 參數含義 164
6.3.3 算例求解 166
6.4 多維無約束最佳化函式 167
6.4.1 調用格式 168
6.4.2 參數含義 168
6.4.3 算例求解 170
6.5 多維無約束搜尋函式 172
6.5.1 調用格式 172
6.5.2 參數含義 173
6.5.3 算例求解 174
6.6 多維非線性最小二乘函式 176
6.6.1 調用格式 176
6.6.2 參數含義 177
6.6.3 算例求解 180
6.7 非線性規劃實例 182
6.7.1 資金調用問題 182
6.7.2 經營最佳安排問題 184
6.7.3 廣告最佳投入問題 184
6.8 本章小結 186
第7章 無約束一維極值 187
7.1 無約束算法概述 187
7.2 常用算法 188
7.2.1 進退法 188
7.2.2 黃金分割法 191
7.2.3 斐波那契法 194
7.2.4 牛頓型法 196
7.2.5 割線法 199
7.2.6 拋物線法 200
7.2.7 坐標輪換法 201
7.3 本章小結 204
第8章 無約束多維極值 205
8.1 直接法 205
8.1.1 模式搜尋法 206
8.1.2 單純形法 207
8.1.3 Powell法 210
8.2 間接法 214
8.2.1 最速下降法 214
8.2.2 共軛梯度法 216
8.2.3 擬牛頓法 218
8.3 本章小結 220
第9章 約束最佳化方法 221
9.1 約束最佳化方法簡介 221
9.2 常用算法 222
9.2.1 隨機方向法 222
9.2.2 複合形法 223
9.2.3 可行方向法 225
9.2.4 懲罰函式法 228
9.3 本章小結 230
第10章 二次規劃 231
10.1 數學模型 231
10.2 常用算法 231
10.2.1 拉格朗日法 231
10.2.2 有效集法 233
10.3 二次規劃函式 236
10.3.1 調用格式 236
10.3.2 參數含義 237
10.3.3 算例求解 240
10.4 本章小結 242
第11章 多目標最佳化方法 243
11.1 數學模型 243
11.2 多目標線性最佳化問題求解 244
11.2.1 理想點法 245
11.2.2 線性加權和法 247
11.2.3 最大最小法 249
11.3 目標規劃法 251
11.4 多目標最佳化函式 251
11.4.1 調用格式 252
11.4.2 參數含義 252
11.4.3 算例求解 257
11.5 本章小結 258
第三部分 智慧型最佳化算法
第12章 遺傳算法 261
12.1 遺傳算法基礎 261
12.1.1 遺傳算法基本運算 261
12.1.2 遺傳算法的特點 262
12.1.3 遺傳算法中的術語 262
12.1.4 遺傳算法的套用領域 263
12.2 遺傳算法的原理 263
12.2.1 遺傳算法運算過程 263
12.2.2 遺傳算法編碼 266
12.2.3 適應度及初始群體選取 266
12.2.4 遺傳算法參數設計原則 267
12.2.5 適應度函式的調整 267
12.2.6 程式設計 268
12.3 遺傳算法工具箱 272
12.3.1 命令調用 272
12.3.2 遺傳算法工具箱的調用 276
12.3.3 遺傳算法的最佳化 279
12.4 遺傳算法的典型套用 285
12.4.1 求函式極值 285
12.4.2 旅行商問題 297
12.4.3 非線性規劃問題 302
12.4.4 多目標最佳化問題 309
12.5 本章小結 310
第13章 免疫算法 311
13.1 基本概念 311
13.1.1 免疫算法基本原理 311
13.1.2 免疫算法步驟和流程 312
13.1.3 免疫系統模型和免疫算法 313
13.1.4 免疫算法特點 314
13.2 免疫遺傳算法 314
13.2.1 免疫遺傳算法步驟和流程 314
13.2.2 免疫遺傳算法實現 315
13.3 免疫算法套用 321
13.3.1 克隆選擇套用 321
13.3.2 最短路徑規劃問題 325
13.3.3 旅行商問題 327
13.3.4 故障檢測問題 333
13.4 本章小結 339
第14章 粒子群最佳化算法 340
14.1 算法的基本概念 340
14.1.1 算法構成要素 341
14.1.2 算法參數設定 342
14.1.3 算法的基本流程 342
14.1.4 算法的MATLAB實現 343
14.1.5 適應度函式 345
14.2 粒子群最佳化算法的權重控制 348
14.2.1 自適應權重法 348
14.2.2 隨機權重法 351
14.2.3 線性遞減權重法 353
14.3 混合粒子群最佳化算法 355
14.3.1 基於雜交的粒子群最佳化算法 355
14.3.2 基於自然選擇的粒子群最佳化算法 358
14.3.3 基於免疫的粒子群最佳化算法 360
14.3.4 基於模擬退火的粒子群最佳化算法 364
14.4 本章小結 366
第15章 小波變換 367
15.1 傅立葉變換到小波分析 367
15.1.1 傅立葉變換 367
15.1.2 小波分析 369
15.2 小波分析的常用函式 371
15.2.1 查詢小波函式的基本信息 371
15.2.2 小波濾波器函式 377
15.2.3 單層一維小波分解函式 378
15.2.4 多尺度一維小波分解函式 379
15.2.5 一維小波係數的單支重構函式 379
15.3 圖像的分解和量化 380
15.3.1 一維小波變換 380
15.3.2 二維變換體系 382
15.4 小波變換經典案例 385
15.4.1 去噪 385
15.4.2 壓縮 387
15.5 本章小結 389
第16章 神經網路 390
16.1 神經網路基本概念 390
16.1.1 神經網路結構 390
16.1.2 神經網路學習 391
16.2 神經網路工具函式 392
16.2.1 常用神經元激活函式 392
16.2.2 神經網路通用函式 395
16.2.3 感知器函式 397
16.2.4 線性神經網路函式 398
16.2.5 BP神經網路函式 400
16.2.6 徑向基神經網路函式 403
16.2.7 自組織特徵映射神經網路函式 407
16.3 神經網路的MATLAB實現 410
16.3.1 BP神經網路在函式逼近中的套用 410
16.3.2 RBF神經網路在函式曲線擬合中的套用 414
16.3.3 Hopfield神經網路在穩定平衡點中的套用 416
16.3.4 自組織特徵映射神經網路在數據分類中的套用 417
16.3.5 模糊神經網路在函式逼近中的套用 420
16.4 本章小結 422
第四部分 拓 展 應 用
第17章 分形維數套用 425
17.1 分形維數概述 425
17.2 二維分形維數的MATLAB套用 428
17.3 分形插值算法的套用 434
17.4 本章小結 438
第18章 經濟金融最佳化套用 439
18.1 期權定價分析 439
18.2 收益、風險和有效前沿的計算 443
18.3 投資組合績效分析 447
18.4 固定收益證券的久期和凸度計算 451
18.5 本章小結 457
參考文獻 458
