MATLAB优化算法案例分析与应用PDF|Epub|txt|kindle电子书版本下载

MATLAB优化算法案例分析与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 MATLAB常见算法应用2

第1章 MATLAB基础知识2

1.1 MATLAB简介2

1.2 矩阵的表示7

1.3 图形点线样式10

1.4 MATLAB自带图形集10

1.4.1 平面与立体绘图10

1.4.2 复杂函数的三维绘图13

1.4.3 等高线绘制17

1.4.4 MATLAB动画17

1.4.5 数据拟合19

1.4.6 MATLAB图像处理21

1.5 本章小结22

第2章 GUI应用及数值分析23

2.1 GUI应用分析23

2.1.1 图像加载和存储23

2.1.2 GUI图形显示25

2.1.3 可变GUI窗体设置26

2.2 设计可执行函数文件28

2.3 符号变量应用求解29

2.4 图像盲区31

2.5 正态分布34

2.6 本章小结36

第3章 MATLAB工程应用实例37

3.1 光的反射定理论证37

3.1.1 公式推算37

3.1.2 代码实现38

3.2 质点系转动惯量求解39

3.3 储油罐的油量计算40

3.4 香烟毒物摄入问题40

3.5 冰雹的下落速度42

3.5.1 公式推算42

3.5.2 代码实现43

3.6 本章小结45

第4章 GM应用分析46

4.1 数据归一化处理46

4.2 灰色关联分析47

4.2.1 灰色预测求解流程47

4.2.2 灰色预测建模48

4.3 食品价格灰色关联分析49

4.3.1 食品价格趋势预测49

4.3.2 食品价格分析50

4.3.3 灰色关联分析50

4.4 本章小结55

第5章 PLS应用分析56

5.1 偏最小二乘回归56

5.2 偏最小二乘快速计算方法59

5.3 偏最小二乘数据分析60

5.4 本章小结66

第6章 ES应用分析67

6.1 时间序列的基本概念67

6.2 非平稳时间序列变动的影响因素与测定模型68

6.3 时间序列的预测方法68

6.3.1 季节变动分析69

6.3.2 循环变动分析69

6.4 食品价格分析69

6.5 时间序列指数平滑预测法71

6.5.1 一次指数平滑预测法72

6.5.2 二次指数平滑预测法73

6.5.3 三次指数平滑法74

6.6 时间序列线性二次移动平均法预测法76

6.7 本章小结80

第7章 Markov应用分析81

7.1 问题背景81

7.2 模型基本假设82

7.3 食品价格趋势预测82

7.3.1 模型符号说明82

7.3.2 模型建立与求解83

7.3.3 结果分析89

7.4 本章小结95

第8章 AHP应用分析96

8.1 层次分析法96

8.1.1 层次分析法特点96

8.1.2 层次分析法步骤96

8.2 工作满意度模型101

8.3 食堂就餐服务质量满意度105

8.3.1 模型基本假设106

8.3.2 模型分析106

8.3.3 模型符号说明106

8.3.4 模型建立与求解107

8.3.5 一致性检验111

8.3.6 结果分析112

8.4 本章小结113

第9章 DWRR应用分析114

9.1 问题的背景114

9.2 模型基本假设114

9.3 模型符号说明114

9.4 模型的建立与求解115

9.4.1 评价指标的规范化处理115

9.4.2 动态加权函数的确定116

9.4.3 空气质量评价模型的建立116

9.4.4 模型求解步骤117

9.4.5 结果求解及分析118

9.5 本章小结121

第10章 模糊逼近算法122

10.1 模糊控制理论122

10.2 模糊系统的设计122

10.3 模糊系统的逼近精度123

10.4 模糊逼近仿真124

10.5 本章小结129

第11章 模糊RBF网络130

11.1 RBF神经网络130

11.1.1 FBF网络结构130

11.1.2 RBF网络的逼近131

11.2 模糊RBF网络138

11.2.1 网络结构139

11.2.2 基于模糊RBF网络的逼近算法140

11.3 本章小结144

第12章 基于FCEM的TRIZ评价145

12.1 TRIZ创新方法原理145

12.2 企业创新能力评价指标的构建146

12.3 企业创新能力的模糊综合评价方法146

12.4 企业创新能力综合评价指标排序结果分析153

12.5 本章小结154

第2篇 MATLAB群智能算法应用设计156

第13章 基于PSO的寻优计算156

13.1 基本粒子群算法156

13.2 粒子群算法的收敛性158

13.3 粒子群算法函数极值求解159

13.3.1 一维函数全局最优159

13.3.2 经典测试函数162

13.3.3 无约束函数极值寻优168

13.3.4 有约束函数极值寻优171

13.3.5 有约束函数极值APSO寻优174

13.4 本章小结179

第14章 基于PSO的机构优化180

14.1 微粒群优化算法研究现状180

14.1.1 微粒群优化算法的改进研究180

14.1.2 微粒群优化算法的应用研究181

14.2 机构优化设计理论分析181

14.3 平面连杆机构的模型建立182

14.4 利用复合形法进行设计184

14.4.1 复合形法的算法流程184

14.4.2 模型计算结果184

14.5 利用约束随机方向法进行设计187

14.5.1 初始点的选择188

14.5.2 随机方向法的算法流程188

14.5.3 模型计算结果188

14.6 利用优化工具箱法进行设计191

14.7 利用微粒群优化算法进行设计194

14.8 本章小结198

第15章 基本PSO的改进策略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 粒子群算法改进201

15.3 加快粒子群算法效率202

15.3.1 带惯性权重的PSO算法202

15.3.2 权重线性递减的PSO算法203

15.3.3 自适应权重的PSO算法208

15.3.4 随机权重策略的PSO算法211

15.3.5 增加收缩因子的PSO算法213

15.3.6 其他参数的变化217

15.4 本章小结226

第16章 基于GA的寻优计算227

16.1 遗传算法简介227

16.2 遗传算法特点228

16.3 遗传算法的基本步骤229

16.3.1 编码229

16.3.2 初始群体的生成230

16.3.3 杂交230

16.3.4 适应度值评估检测230

16.3.5 选择231

16.3.6 变异231

16.3.7 中止231

16.4 遗传算法的寻优计算231

16.5 基于GA的3D曲面极值寻优计算239

16.6 基于GA_PSO算法的寻优计算245

16.7 遗传算法讨论248

16.7.1 编码表示248

16.7.2 适应度函数248

16.7.3 选择策略248

16.7.4 控制参数248

16.8 本章小结249

第17章 基于GA的TSP求解250

17.1 旅行商问题分析250

17.2 遗传算法算子分析250

17.2.1 选择算子（selection）250

17.2.2 交叉算子（crossover）251

17.2.3 变异算子（mutation）252

17.3 基于GA的旅行商问题求解252

17.3.1 TSP问题定义252

17.3.2 基于遗传算法的TSP算法框架253

17.3.3 TSP算法流程框图253

17.3.4 固定地图TSP求解254

17.3.5 随机地图TSP求解255

17.4 本章小结261

第18章 基于Hopfield的TSP求解262

18.1 Hopfield神经网络262

18.1.1 离散Hopfield网络263

18.1.2 连续Hopfield网络263

18.2 基于CHNN的TSP求解265

18.2.1 模型分析266

18.2.2 模型算法具体步骤266

18.2.3 模型求解267

18.3 本章小结271

第19章 基于ACO的TSP求解272

19.1 蚁群算法理论研究现状272

19.2 蚁群算法的基本原理273

19.3 基于ACO的TSP求解277

19.4 基于ACO_PSO的TSP求解281

19.5 本章小结291

第20章 基于SA的PSO算法292

20.1 模拟退火算法提出292

20.2 模拟退火算法的步骤293

20.3 模拟退火的粒子群算法293

20.3.1 算法寻优步骤294

20.3.2 程序代码294

20.4 本章小结299

第21章 基于kalman的PID控制300

21.1 PID控制原理300

21.2 基于卡尔曼滤波器的PID控制301

21.2.1 含噪音信号的滤波常见处理方法302

21.2.2 采用卡尔曼滤波器实现信号的滤波312

21.2.3 采用卡尔曼滤波进行测量温度的跟踪314

21.3 本章小结319

第22章 基于SOA的寻优计算320

22.1 SOA算法的基本原理320

22.1.1 利己行为320

22.1.2 利他行为321

22.1.3 预动行为321

22.1.4 不确定性行为321

22.2 群智能优化算法321

22.2.1 PSO算法321

22.2.2 GA算法322

22.2.3 SOA算法322

22.3 人群搜索算法322

22.3.1 适应度函数的选取322

22.3.2 搜索步长的确定323

22.3.3 搜索方向的确定323

22.3.4 个体位置的更新324

22.3.5 算法的实现324

22.4 基于人群搜索算法的函数优化324

22.4.1 优化函数的选择325

22.4.2 函数优化的结果325

22.5 本章小结337

第23章 基于Bayes的数据预测338

23.1 贝叶斯统计方法338

23.2 贝叶斯预测方法340

23.3 贝叶斯网络的数据预测342

23.4 基于贝叶斯网络模式识别应用345

23.5 本章小结348

第24章 基于SOA的PID参数整定349

24.1 SOA算法在PID控制中的运用349

24.1.1 PID控制原理349

24.1.2 PID的离散化处理350

24.2 基于SOA的PID参数整定的设计方案350

24.2.1 参数的编码351

24.2.2 适应度函数的选取351

24.2.3 算法流程351

24.2.4 算法实例352

24.2.5 PID参数整定结果352

24.3 数控机床进给伺服系统的数学模型371

24.3.1 数控机床进给伺服系统的PMSM数学模型371

24.3.2 数控机床伺服系统数学模型的传递函数的表示372

24.4 基于SOA算法对数控机床进给伺服系统PID优化372

24.4.1 适应度函数的选取373

24.4.2 SOA算法流程373

24.4.3 PID参数整定结果373

24.5 本章小结392

第25章 基于BP的人脸方向预测393

25.1 BP神经网络基本原理393

25.2 BP神经网络的分析流程394

25.3 人脸方向预测396

25.4 本章小结399

第26章 基于Hopfield的数字识别400

26.1 Hopfield网络原理分析400

26.2 Hopfield数字识别401

26.2.1 离散Hopfield网络（DHNN）401

26.2.2 连续Hopfield网络402

26.2.3 基于DHNN的数字识别403

26.3 本章小结409

第27章 基于DEA的投入产出分析410

27.1 DEA原理分析410

27.2 DEA分析411

27.2.1 DEA算法流程411

27.2.2 DEA评价模型411

27.3 本章小结415

第28章 基于BP的数据分类416

28.1 BP神经网络基本原理416

28.2 BP神经网络算法步骤417

28.3 BP网络的语音信号识别417

28.4 BP网络的蝴蝶花分类预测423

28.5 本章小结430

第29章 基于SOM的数据分类431

29.1 SOM原理分析431

29.2 SOM拓扑结构分析432

29.3 SOM的癌症样本分类预测437

29.4 柴油机故障分类439

29.5 本章小结444

第30章 基于人工免疫PSO的聚类算法445

30.1 聚类分析445

30.2 PSO优化算法分析446

30.2.1 粒子群优化算法446

30.2.2 PSO算法改进策略446

30.3 人工免疫特性分析447

30.3.1 生物免疫系统及其特性447

30.3.2 种群分布熵448

30.3.3 平均粒距448

30.3.4 精英均值偏差448

30.4 基于人工免疫粒子群优化算法448

30.4.1 PSO在函数极值求解450

30.4.2 粒子群聚类算法理论分析451

30.4.3 粒子群算法实现流程453

30.4.4 种群多样性聚类分析454

30.5 本章小结464

第31章 模糊聚类分析465

31.1 聚类分析原理465

31.2 食品聚类分析465

31.3 模糊聚类工具箱468

31.4 本章小结472

第32章 基于GA_BP的抗糖化活性研究473

32.1 多糖活性背景介绍473

32.2 多糖活性数据初始化473

32.3 GA_BP优化分析475

32.4 本章小结485

参考文献486