第一部分 专题介绍 3
第1章 人工智能简介 3
1.1 人工智能基础 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 人工神经网络的研究内容 20
2.1.3 人工神经网络的研究方向 21
2.1.4 人工神经网络的发展趋势 21
2.2 神经网络结构和神经网络学习 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 44
2.3.2 神经网络工具箱的图形用户界面 66
2.3.3 神经网络的MATLAB实现 73
2.4 Simulink神经网络工具箱 93
2.4.1 神经网络模型预测控制 94
2.4.2 反馈线性化控制 98
2.4.3 模型参考控制 100
2.5 本章小结 105
第3章 粒子群算法及其MATLAB实现 106
3.1 粒子群算法基础 106
3.1.1 粒子群算法的发展 106
3.1.2 粒子群算法的研究内容 108
3.1.3 粒子群算法的特点 108
3.1.4 粒子群算法的应用 108
3.2 基本粒子群算法 109
3.2.1 基本原理 109
3.2.2 算法构成要素 111
3.2.3 算法参数设置 111
3.2.4 算法的基本流程 112
3.2.5 算法的MATLAB实现 113
3.3 MATLAB粒子群工具箱 119
3.4 权重改进的粒子群算法 121
3.4.1 自适应权重法 121
3.4.2 随机权重法 125
3.4.3 线性递减权重法 127
3.5 混合粒子群算法 129
3.5.1 基于杂交的算法 130
3.5.2 基于自然选择的算法 133
3.5.3 基于免疫的粒子群算法 135
3.5.4 基于模拟退火的算法 139
3.6 本章小结 142
第4章 遗传算法及其MATLAB实现 143
4.1 遗传算法基础 143
4.1.1 算法基本运算 143
4.1.2 遗传算法的特点 144
4.1.3 遗传算法中的术语 145
4.1.4 遗传算法发展现状 145
4.1.5 遗传算法的应用领域 147
4.2 遗传算法的原理 147
4.2.1 算法运算过程 147
4.2.2 算法编码 150
4.2.3 适应度和初始群体选取 150
4.3 遗传算法程序设计及其MATLAB工具箱 151
4.3.1 程序设计 151
4.3.2 算法参数设计原则 156
4.3.3 适应度函数的调整 157
4.3.4 算法MATLAB工具箱及其应用 157
4.3.5 遗传算法的GUI实现 163
4.4 遗传算法的典型应用 165
4.4.1 利用遗传算法求解函数极值 165
4.4.2 遗传算法在TSP中的应用 178
4.4.3 遗传算法的求解优化 184
4.5 本章小结 192
第5章 模糊逻辑控制及其MATLAB实现 193
5.1 模糊逻辑控制基础 193
5.1.1 模糊逻辑控制的基本概念 194
5.1.2 模糊逻辑控制原理 194
5.1.3 模糊逻辑控制器设计内容 195
5.1.4 模糊逻辑控制规则设计 195
5.1.5 模糊逻辑控制系统的应用领域 196
5.2 模糊逻辑控制工具箱 197
5.2.1 模糊逻辑控制工具箱的功能特点 197
5.2.2 模糊逻辑控制系统的基本类型 198
5.2.3 模糊逻辑控制系统的构成 199
5.2.4 模糊推理系统的建立、修改与存储管理 200
5.2.5 模糊语言变量及其语言值 206
5.2.6 模糊语言变量的隶属度函数 208
5.2.7 模糊规则的建立与修改 214
5.2.8 模糊推理计算与去模糊化 216
5.3 模糊逻辑控制工具箱的图形界面工具 219
5.3.1 FIS编辑器 219
5.3.2 隶属度函数编辑器 221
5.3.3 模糊规则编辑器 221
5.3.4 模糊规则浏览器 222
5.3.5 模糊推理输入／输出曲面视图 223
5.4 模糊逻辑控制的经典应用 226
5.4.1 基于Simulink的模糊逻辑控制应用 226
5.4.2 基于模糊逻辑控制的路径规划应用 232
5.5 本章小结 246
第6章 免疫算法及其MATLAB实现 247
6.1 免疫算法基础 247
6.1.1 生物免疫系统 247
6.1.2 免疫算法的基本原理 248
6.1.3 免疫算法的步骤和流程 249
6.1.4 免疫系统模型和免疫算法 250
6.1.5 免疫算法的特点 251
6.1.6 免疫算法的发展趋势 252
6.2 免疫遗传算法 252
6.2.1 免疫遗传算法的步骤和流程 253
6.2.2 基于MATLAB实现免疫遗传算法 253
6.3 免疫算法的MATLAB应用 261
6.3.1 免疫算法在克隆选择中的应用 261
6.3.2 免疫算法在最短路径规划问题上的应用 266
6.3.3 免疫算法在TSP上的应用 270
6.3.4 免疫算法在故障检测上的应用 276
6.4 本章小结 283
第7章 蚁群算法及其MATLAB实现 284
7.1 蚁群算法基础 284
7.1.1 蚁群算法的起源 284
7.1.2 蚁群算法的基本原理 285
7.1.3 自适应蚁群算法 288
7.1.4 蚁群算法实现的重要规则 290
7.1.5 蚁群算法的特点 291
7.1.6 蚁群优化算法的应用 291
7.2 蚁群算法的MATLAB实现 292
7.3 蚁群算法在MATLAB中的应用 294
7.3.1 蚁群算法在路径规划中的应用 294
7.3.2 蚁群算法在解决TSP问题中的应用 307
7.4 本章小结 311
第8章 小波分析算法及其MATLAB实现 312
8.1 傅里叶变换到小波分析 312
8.1.1 傅里叶变换 313
8.1.2 小波分析 315
8.2 Mallat算法 316
8.2.1 Mallat算法原理 316
8.2.2 常用小波函数 318
8.2.3 Mallat算法示例 319
8.3 小波GUI 323
8.4 小波分析用例 324
8.4.1 信号压缩 324
8.4.2 信号去噪 325
8.5 本章小结 329
第二部分 综合实例应用 333
第9章 模糊神经网络在工程中的应用 333
9.1 模糊神经网络的基础知识 333
9.1.1 模糊神经网络简介 333
9.1.2 模糊系统与神经网络的区别与联系 335
9.1.3 典型模糊神经网络结构 335
9.1.4 自适应模糊神经推理系统 336
9.2 模糊神经网络建模方法 337
9.3 模糊神经网络在控制工程中的应用 346
9.4 模糊神经网络在函数逼近中的应用 357
9.5 本章小结 364
第10章 遗传算法在图像处理中的应用 365
10.1 图像分割的基础知识 365
10.1.1 图像分割的定义 365
10.1.2 图像分割的理论 366
10.1.3 灰度门限法简介 366
10.1.4 基于最大类间方差图像分割原理 367
10.2 遗传算法实现图像分割 369
10.2.1 利用遗传算法实现图像分割的原理 369
10.2.2 算法的实现 369
10.3 遗传算法在图像处理中的应用 370
10.3.1 基于遗传算法的道路图像阈值分割 370
10.3.2 基于遗传神经网络的图像分割 379
10.3.3 应用遗传算法和KSW熵法实现灰度图像阈值分割 383
10.4 本章小结 391
第11章 神经网络在参数估计中的应用 392
11.1 参数估计的基础知识 392
11.1.1 参数估计的定义 392
11.1.2 点估计与区间估计 393
11.1.3 样本容量 393
11.2 几种通用神经网络MATLAB代码 394
11.3 神经网络在参数估计中的应用 399
11.3.1 神经网络在人脸识别中的应用 399
11.3.2 灰色神经网络在数据预测中的应用 407
11.3.3 BP神经网络在数据预测中的应用 413
11.3.4 概率神经网络在分类预测中的应用 417
11.4 本章小结 421
第12章 智能算法在PID控制器设计中的应用 422
12.1 PID控制器的基础知识 422
12.2 神经网络在PID控制器设计中的应用 423
12.3 模糊控制在PID控制器设计中的应用 431
12.4 遗传算法在PID控制器设计中的应用 434
12.5 本章小结 438
第13章 智能算法的综合应用 439
13.1 模糊神经网络控制在MATLAB中的应用 439
13.2 基于遗传算法的MP算法的应用 448
13.3 本章小结 451
参考文献 452