第一部分 专题介绍 3
第1章 人工智能概述 3
1.1人工智能的基本概念 3
1.1.1智能的概念 3
1.1.2人工智能的概念 5
1.1.3人工智能的研究目标 6
1.1.4人工智能的研究方法 7
1.2人工智能的特征 9
1.3人工智能的应用 10
1.3.1机器思维 10
1.3.2机器感知 12
1.3.3机器行为 13
1.3.4机器学习 13
1.3.5机器计算 14
1.3.6分布式人工智能 16
1.3.7机器系统 16
1.3.8典型应用 17
1.4本章小结 18
第2章 神经网络算法及其MATLAB实现 19
2.1神经网络基础 19
2.1.1人工神经网络的发展 19
2.1.2人工神经网络研究内容 20
2.1.3人工神经网络研究方向 21
2.1.4人工神经网络发展趋势 21
2.2神经网络的结构及学习 24
2.2.1神经网络结构 24
2.2.2神经网络学习 25
2.2.3 MATLAB在神经网络中的应用 41
2.3 MATLAB神经网络工具箱 44
2.3.1神经网络工具箱函数 45
2.3.2神经网络工具箱的图形用户界面 67
2.3.3神经网络的MATLAB实现 74
2.4 Simulink神经网络控制工具箱 94
2.4.1神经网络模型预测控制 95
2.4.2反馈线性化控制 99
2.4.3模型参考控制 101
2.5本章小结 107
第3章 粒子群算法及其MATLAB实现 108
3.1粒子群算法基础 108
3.1.1粒子群算法的发展 108
3.1.2粒子群算法研究内容 110
3.1.3粒子群算法的特点 110
3.1.4粒子群算法的应用 110
3.2基本粒子群算法 111
3.2.1基本原理 111
3.2.2算法构成要素 113
3.2.3算法参数设置 113
3.2.4算法的基本流程 114
3.2.5算法的MATLAB实现 115
3.3 MATLAB粒子群工具箱 120
3.4权重改进的粒子群算法 123
3.4.1自适应权重法 123
3.4.2随机权重法 127
3.4.3线性递减权重法 129
3.5混合粒子群算法 131
3.5.1基于杂交的算法 131
3.5.2基于自然选择的算法 134
3.5.3基于免疫的粒子群算法 136
3.5.4基于模拟退火的算法 141
3.6本章小结 144
第4章 遗传算法及其MATLAB实现 145
4.1遗传算法的基本概念 145
4.1.1算法的基本运算 145
4.1.2遗传算法的特点 146
4.1.3遗传算法中的术语 147
4.1.4遗传算法的发展现状 147
4.1.5遗传算法的应用领域 149
4.2遗传算法的原理 149
4.2.1算法运算过程 149
4.2.2算法编码 152
4.2.3适应度及初始群体选取 152
4.3遗传算法程序设计及其MATLAB工具箱 153
4.3.1程序设计 153
4.3.2算法参数设计原则 158
4.3.3适应度函数的调整 159
4.3.4算法MATLAB工具箱及其应用 160
4.3.5遗传算法的GUI实现 166
4.4遗传算法的典型应用 168
4.4.1利用遗传算法求解函数极值 168
4.4.2遗传算法在TSP中的应用 181
4.4.3遗传算法的求解优化 187
4.5本章小结 196
第5章 模糊逻辑控制及其MATLAB实现 197
5.1模糊逻辑控制基础 197
5.1.1模糊逻辑控制的基本概念 198
5.1.2模糊逻辑控制原理 198
5.1.3模糊逻辑控制器设计的内容 199
5.1.4模糊逻辑控制规则设计 199
5.1.5模糊逻辑控制系统的应用领域 200
5.2模糊逻辑控制工具箱 201
5.2.1模糊逻辑控制工具箱的功能特点 201
5.2.2模糊系统的基本类型 202
5.2.3模糊逻辑控制系统的构成 203
5.2.4模糊推理系统的建立、修改与存储管理 204
5.2.5模糊语言变量及其语言值 210
5.2.6模糊语言变量的隶属度函数 212
5.2.7模糊规则的建立与修改 219
5.2.8模糊推理计算与去模糊化 220
5.3模糊逻辑控制工具箱的图形界面工具 224
5.3.1 FIS编辑器 224
5.3.2隶属度函数编辑器 225
5.3.3模糊规则编辑器 226
5.3.4模糊规则浏览器 226
5.3.5模糊推理输入输出曲面视图 228
5.4模糊逻辑控制的经典应用 231
5.4.1基于Simulink的模糊逻辑控制应用 231
5.4.2基于模糊逻辑控制的路径规划应用 238
5.5本章小结 252
第6章 免疫算法及其MATLAB实现 253
6.1免疫算法的基本概念 253
6.1.1生物免疫系统 253
6.1.2免疫算法基本原理 255
6.1.3免疫算法步骤和流程 255
6.1.4免疫系统模型和免疫算法 256
6.1.5免疫算法特点 257
6.1.6免疫算法的发展趋势 258
6.2免疫遗传算法 258
6.2.1免疫遗传算法步骤和流程 259
6.2.2基于MATLAB实现免疫遗传算法 259
6.3免疫算法的MATLAB应用 267
6.3.1免疫算法在克隆选择中的应用 267
6.3.2免疫算法在最短路径规划问题中的应用 272
6.3.3免疫算法在TSP中的应用 276
6.3.4免疫算法在故障检测中的应用 283
6.4本章小结 290
第7章 蚁群算法及其MATLAB实现 291
7.1蚁群算法概述 291
7.1.1蚁群算法起源 291
7.1.2蚁群算法的基本原理 292
7.1.3自适应蚁群算法的介绍 295
7.1.4蚁群算法实现的重要规则 297
7.1.5蚁群算法的特点 298
7.1.6蚁群优化算法的应用 298
7.2蚁群算法的MATLAB实现 299
7.3蚁群算法在MATLAB中的应用 302
7.3.1蚁群算法在路径规划中的应用 302
7.3.2蚁群算法在解决TSP中的应用 315
7.4本章小结 319
第8章 小波分析算法及其MATLAB实现 320
8.1傅里叶变换到小波分析 320
8.1.1傅里叶变换 321
8.1.2小波分析 323
8.2 Mallat算法 325
8.2.1 Mallat算法原理 325
8.2.2常用小波函数介绍 327
8.2.3 Mallat算法示例 329
8.3小波GUI简介 332
8.4小波分析用例 338
8.4.1信号压缩 338
8.4.2信号去噪 339
8.4.3分离信号的不同成分 342
8.5小波变换在图像处理中的应用 345
8.5.1小波变换用于图像压缩 345
8.5.2小波在图像边缘检测的应用 350
8.5.3小波变换在图像增强方面的应用 351
8.6本章小结 353
第二部分 综合实例应用 357
第9章 模糊神经网络在工程中的应用 357
9.1模糊神经网络 357
9.1.1模糊神经网络概述 357
9.1.2模糊系统与神经网络的区别与联系 359
9.1.3典型模糊神经网络结构 359
9.1.4自适应模糊神经推理系统 360
9.2模糊神经网络建模方法 361
9.3模糊神经网络在工程中的应用 371
9.3.1模糊神经网络在解耦控制中的应用 371
9.3.2模糊神经网络在函数逼近中的应用 382
9.4本章小结 389
第10章 遗传算法在图像处理中的应用 390
10.1图像分割的基础知识 390
10.1.1图像分割的概念 390
10.1.2图像分割的理论 391
10.1.3灰度门限法简介 391
10.1.4基于最大类间方差图像分割原理 392
10.2遗传算法实现图像分割 394
10.2.1利用遗传算法实现图像分割的原理 394
10.2.2算法的实现 394
10.3遗传算法在图像处理中的应用 395
10.3.1基于遗传算法的道路图像阈值分割 395
10.3.2基于遗传神经网络的图像分割 404
10.3.3应用遗传算法和KSW熵法实现灰度图像阈值分割 409
10.4本章小结 418
第11章 神经网络在参数估计中的应用 419
11.1参数估计的基本知识 419
11.1.1参数估计的概念 419
11.1.2点估计与区间估计 420
11.1.3样本容量 420
11.2几种通用神经网络MATLAB代码 421
11.3神经网络在参数估计中的应用 426
11.3.1神经网络在人脸识别中的应用 426
11.3.2灰色神经网络在数据预测中的应用 435
11.3.3 BP神经网络在数据预测中的应用 440
11.3.4概率神经网络在分类预测中的应用 445
11.4本章小结 449
第12章 基于智能算法的PID控制器设计 450
12.1 PID控制器的理论基础 450
12.2智能算法在PID控制器设计中的应用 451
12.2.1神经网络在PID控制器设计中的应用 452
12.2.2模糊控制在PID控制器设计中的应用 459
12.2.3遗传算法在PID控制器设计中的应用 463
12.3本章小结 467
第13章 智能算法综合应用 468
13.1模糊神经网络控制在MATLAB中的应用 468
13.2基于遗传算法的MP算法的应用 477
13.3本章小结 480
参考文献 481