《MATLAB优化算法案例分析与应用》PDF下载

  • 购买积分:15 如何计算积分?
  • 作  者:余胜威编著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2014
  • ISBN:9787302367024
  • 页数:486 页
图书介绍:本书结合具体工程实例,例如食品价格、服务质量评价、PID控制、逼近算法、方程优化计算、旅行商问题、数据预测以及数据分类等问题展开论述,针对每一种案例提出适应的算法进行问题的分析与计算,达到算法和实际问题相结合。本书全面而系统的讲解了MATLAB算法算例应用。本书注重实战,详解算法代码,结合算法理论和算法流程,解决具体的工程案例,更加深入的让读者学习和掌握各算法在不同案列中的应用。

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