|
-- 會員 / 註冊 --
|
|
|
|
MATLAB智慧演算法超級學習手冊 ( 簡體 字) |
作者:MATLAB技術聯盟 | 類別:1. -> 工程繪圖與工程計算 -> Matlab |
譯者: |
出版社:人民郵電出版社 | 3dWoo書號: 38294 詢問書籍請說出此書號!【缺書】 NT售價: 345 元 |
出版日:5/1/2014 |
頁數:482 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787115348791 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介: MATLAB為廣大科研工作者的必備工具之一,智能算法在工程實際上得到較廣泛的應用。《MATLAB智能算法超級學習手冊》基于MATLAB R2013a軟件,全面地介紹和舉例驗證智能算法的有效性。 智能算法種類較多,《MATLAB智能算法超級學習手冊》的內容主要包括馬爾科夫鏈模型、層次分析法、粒子群算法、遺傳算法、蟻群算法、魚群算法、PID控制算法、神經網絡算法等。智能算法對于很多初學者而言,有一定的困難,很難理解程序流程、數據的運算過程,因此給實際應用帶來困難。本書將圍繞智能算法展開綜述,深入淺出地介紹和分析各類智能算法,用智能算法解決工程應用問題。 《MATLAB智能算法超級學習手冊》以工程應用為目標,深入淺出,實例引導,講解詳實,適合作為理工科高等院校研究生、本科生的教學用書,也可作為廣大科研和工程技術人員的參考用書。 |
目錄:第1章 MATLAB基礎知識 1 1.1 MATLAB簡介 1 1.2 矩陣的表示 4 1.2.1 數值矩陣的生成 5 1.2.2 符號矩陣的生成 6 1.2.3 特殊矩陣的生成 7 1.3 符號變量的應用 9 1.3.1 質點系的轉動慣量問題 10 1.3.2 油罐剩余油量體積的求解 10 1.3.3 光的反射定理的論證 12 1.4 線性方程組的求解 14 1.4.1 齊次線性方程組的通解 14 1.4.2 非齊次線性方程組的通解 15 1.4.3 線性方程組的LQ解法 17 1.5 簡單工程應用分析 18 1.5.1 內燃機轉角與升程插值模型 18 1.5.2 航行區域警示線模型 19 1.6 本章小結 22
第2章 種群競爭微分方程的求解 23 2.1 種群競爭微分方程模型 23 2.2 種群競爭模型的討論 29 2.3 本章小結 33
第3章 基于Markov的食品物價趨勢預測 34 3.1 問題背景 34 3.1.1 食品零售價格數據 34 3.1.2 問題的提出 35 3.2 食品分類模型基本假設 35 3.3 食品價格數值分類求解 36 3.3.1 食品聚類分類 36 3.3.2 食品價格特點分析 38 3.4 食品價格增長率分類求解 46 3.4.1 食品屬性分類 47 3.4.2 食品價格特點分析 47 3.5 食品價格趨勢預測 53 3.5.1 食品價格預測模型基本假設 53 3.5.2 食品價格預測模型符號說明 53 3.5.3 食品價格預測模型的建立與求解 54 3.6 本章小結 62
第4章 基于時間序列的物價預測算法 63 4.1 時間序列的基本概念 63 4.2 非平穩時間序列變動的影響因素與測定模型 64 4.3 時間序列的預測方法 64 4.3.1 季節變動分析 65 4.3.2 循環變動分析 65 4.4 食品價格分析 66 4.5 灰色關聯分析 67 4.5.1 灰色預測建模 68 4.5.2 食品價格趨勢預測 70 4.6 時間序列指數平滑預測法 76 4.6.1 一次指數平滑預測法 76 4.6.2 二次指數平滑預測法 77 4.6.3 三次指數平滑法 78 4.7 時間序列線性二次移動平均法 80 4.8 本章小結 85
第5章 基于層次分析法的食堂服務質量評價算法 86 5.1 問題的背景 86 5.2 層次分析法 87 5.2.1 層次分析法的特點 87 5.2.2 層次分析法的應用 87 5.2.3 層次分析法的基本原理與步驟 88 5.2.4 層次分析法應用舉例 92 5.3 學生食堂就餐服務質量滿意度 96 5.3.1 食堂服務質量評價模型基本假設 96 5.3.2 食堂服務質量評價模型分析 96 5.3.3 食堂服務質量評價模型符號說明 97 5.3.4 食堂服務質量評價模型的建立與求解 97 5.4 本章小結 104
第6章 MATLAB優化工具箱的使用 105 6.1 線性規劃問題 105 6.2 foptions函數 107 6.3 非線性規劃問題 108 6.3.1 有約束的一元函數的最小值 108 6.3.2 無約束的多元函數最小值 109 6.3.3 有約束的多元函數最小值 111 6.3.4 二次規劃問題 114 6.4 “半無限”有約束的多元函數最優解 117 6.5 極小化極大問題 121 6.6 多目標規劃問題 123 6.7 最小二乘最優問題 126 6.7.1 約束線性最小二乘 126 6.7.2 非線性曲線擬合 128 6.7.3 非線性最小二乘 129 6.7.4 非負線性最小二乘 131 6.8 非線性方程求解 131 6.8.1 非線性方程的解 132 6.8.2 非線性方程組的解 132 6.9 本章小結 134
第7章 基于RBF網絡的優化逼近 135 7.1 RBF神經網絡 135 7.1.1 RBF網絡特點 136 7.1.2 RBF網絡結構 136 7.1.3 RBF網絡的逼近 136 7.2 模糊RBF網絡 140 7.2.1 網絡結構 141 7.2.2 基于模糊RBF網絡的逼近算法 142 7.3 基于遺傳算法的RBF網絡逼近 145 7.4 RBF網絡自校正控制 152 7.4.1 自校正控制算法 153 7.4.2 RBF網絡自校正控制算法 153 7.5 本章小結 157
第8章 自適應模糊控制算法 158 8.1 模糊控制 158 8.1.1 模糊系統的設計 159 8.1.2 模糊系統的逼近精度 159 8.1.3 模糊逼近仿真 160 8.2 間接自適應模糊控制 165 8.2.1 一般模糊系統 166 8.2.2 自適應模糊控制器的設計 167 8.2.3 穩定性分析 167 8.2.4 間接自適應模糊控制仿真 169 8.3 直接自適應模糊控制 175 8.3.1 問題描述 175 8.3.2 控制器的設計 176 8.3.3 自適應律設計 177 8.3.4 直接自適應模糊控制仿真 179 8.4 本章小結 182
第9章 基于PID的控制算法 183 9.1 PID控制原理 183 9.2 專家PID控制 184 9.3 增量式PID控制算法及其仿真 188 9.4 積分分離式PID控制算法及其仿真 191 9.5 基于卡爾曼濾波器的PID控制 195 9.6 本章小結 203
第10章 基于LQR+PID的倒立擺控制算法 204 10.1 背景 204 10.2 線性系統 205 10.2.1 狀態空間基本定義 205 10.2.2 狀態空間表達式 205 10.2.3 系統狀態線性變換 206 10.2.4 線性系統的能控性 207 10.3 最優控制 208 10.3.1 線性二次型控制 208 10.3.2 LQR狀態反饋矩陣求解 210 10.3.3 PID控制 211 10.3.4 PID狀態反饋矩陣求解 212 10.4 倒立擺系統 213 10.4.1 一級倒立擺系統分析 214 10.4.2 利用LQR法設計控制器 215 10.4.3 利用PID法設計控制器 219 10.5 倒立擺系統平衡控制系統設計 220 10.5.1 Simulink設計仿真 220 10.5.2 線性二次型倒立擺控制 220 10.5.3 PID倒立擺控制 222 10.6 本章小結 223
第11章 基于粒子群算法的尋優計算 224 11.1 基本粒子群算法 224 11.2 粒子群算法的收斂性 227 11.3 粒子群算法函數極值求解 228 11.3.1 一維函數全局最優 229 11.3.2 經典測試函數 231 11.3.3 無約束函數極值尋優 237 11.3.4 有約束函數極值尋優 240 11.3.5 有約束函數極值APSO尋優 243 11.4 MATLAB優化工具箱簡介 248 11.5 本章小結 249
第12章 基本粒子群改進算法分析 250 12.1 基本粒子群算法 250 12.1.1 基本PSO算法 250 12.1.2 PSO算法基本特點 252 12.1.3 基本PSO算法流程 252 12.2 粒子群算法改進 253 12.3 提高粒子群算法效率 254 12.3.1 帶慣性權重的PSO算法 254 12.3.2 權重線性遞減的PSO算法 255 12.3.3 自適應權重的PSO算法 259 12.3.4 隨機權重策略的PSO算法 260 12.3.5 增加收縮因子的PSO算法 262 12.3.6 其他參數的變化 265 12.4 本章小結 273
第13章 基于免疫算法的物流中心選址 274 13.1 物流中心選址問題 274 13.2 免疫算法的基本思想 275 13.3 基于免疫優化算法的物流中心選址問題求解 276 13.3.1 初始群體的產生 277 13.3.2 解的多樣性評價 277 13.3.3 免疫操作 278 13.3.4 模型求解 279 13.4 本章小結 289
第14章 基于人工免疫的粒子群聚類算法 290 14.1 聚類分析 290 14.2 PSO優化算法分析 291 14.2.1 粒子群優化算法 291 14.2.2 PSO算法改進策略 292 14.3 人工免疫特性分析 292 14.3.1 生物免疫系統及其特性 292 14.3.2 種群分布熵 293 14.3.3 平均粒距 293 14.3.4 精英均值偏差 293 14.4 基于人工免疫的粒子群優化算法 294 14.4.1 PSO函數極值求解 295 14.4.2 粒子群聚類算法理論分析 297 14.4.3 粒子群算法實現流程 299 14.4.4 種群多樣性聚類分析 300 14.5 本章小結 310
第15章 基于ART的植物種類自動分類 311 15.1 ART網絡分類算法簡介 311 15.1.1 人工神經網絡實際應用 311 15.1.2 ART網絡 312 15.2 植物種類自動分類研究 312 15.2.1 植物種類簡介 312 15.2.2 植物分類 313 15.3 基于ART的植物種類數據自動分類研究 313 15.3.1 神經網絡簡介 313 15.3.2 自適應共振理論 315 15.3.3 ART1網絡結構 315 15.3.4 ART1運行過程 317 15.4 本章小結 320
第16章 基于貝葉斯網絡的數據預測 321 16.1 貝葉斯統計方法 321 16.2 貝葉斯預測方法 323 16.3 貝葉斯網絡的數據預測 325 16.4 本章小結 328
第17章 基于遺傳算法的尋優計算 329 17.1 遺傳算法的尋優計算 329 17.2 基于GA的三維曲面極值尋優 338 17.3 基于GA_PSO算法的尋優計算 345 17.4 本章小結 348
第18章 基于遺傳算法的TSP求解 349 18.1 旅行商問題分析 349 18.1.1 遺傳算法簡介 349 18.1.2 遺傳算法現狀分析 350 18.2 遺傳算法的特點 351 18.3 遺傳算法中各算子的特點 352 18.3.1 選擇算子(selection) 352 18.3.2 交叉算子(crossover) 352 18.3.3 變異算子(mutation) 353 18.4 遺傳算法的基本步驟 353 18.4.1 編碼 354 18.4.2 初始群體的生成 354 18.4.3 雜交 355 18.4.4 適應度值評估檢測 355 18.4.5 選擇 355 18.4.6 變異 355 18.4.7 中止 355 18.5 基于GA的旅行商問題求解 356 18.5.1 TSP問題定義 356 18.5.2 TSP算法框架 356 18.5.3 TSP算法流程框圖 357 18.5.4 固定地圖TSP求解 358 18.5.5 隨機地圖TSP求解 359 18.6 遺傳算法討論 365 18.6.1 編碼表示 366 18.6.2 適應度函數 366 18.6.3 選擇策略 366 18.6.4 控制參數 366 18.7 本章小結 366
第19章 基于蟻群算法的路徑規劃計算 367 19.1 基于蟻群算法的二維路徑規劃算法 367 19.1.1 MAKLINK圖論 367 19.1.2 蟻群算法理論 368 19.1.3 Dijkstra算法 369 19.1.4 路徑規劃問題分析求解 369 19.2 基于蟻群算法的三維路徑規劃算法 378 19.2.1 三維空間抽象建模 378 19.2.2 三維路徑問題 379 19.2.3 信息素更新 379 19.2.4 可視搜索空間 380 19.2.5 蟻群搜索策略 380 19.2.6 路徑規劃問題分析求解 381 19.3 本章小結 388
第20章 基于蟻群算法的TSP求解 389 20.1 蟻群算法理論研究現狀 389 20.2 蟻群算法的基本原理 391 20.3 基于ACO的TSP求解 394 20.4 基于ACO_PSO的TSP求解 398 20.5 本章小結 408
第21章 基于模擬退火的粒子群算法 409 21.1 基于模擬退火的粒子群算法 409 21.1.1 模擬退火算法的提出 409 21.1.2 模擬退火算法的步驟 410 21.1.3 模擬退火的粒子群算法 410 21.2 本章小結 416
第22章 基于人群搜索算法的函數優化 417 22.1 SOA算法的基本原理 417 22.1.1 利己行為 417 22.1.2 利他行為 418 22.1.3 預動行為 418 22.1.4 不確定性行為 418 22.2 人群搜索算法 418 22.2.1 搜索步長的確定 419 22.2.2 搜索方向的確定 420 22.2.3 搜尋者個體位置的更新 420 22.2.4 算法的實現 420 22.3 基于人群搜索算法的函數優化 421 22.3.1 優化函數的選擇 421 22.3.2 函數優化的結果 421 22.4 本章小結 432
第23章 數控機床進給伺服系統的SOA-PID參數整定 433 23.1 SOA算法在PID控制中的運用 433 23.1.1 PID控制原理 433 23.1.2 PID的離散化處理 434 23.1.3 基于SOA的PID參數整定的基本原理 434 23.2 基于SOA的PID參數整定的設計方案 435 23.2.1 參數的編碼 435 23.2.2 適應度函數的選取 435 23.2.3 算法流程 436 23.2.4 算法實例 436 23.2.5 PID參數整定結果 436 23.3 數控機床進給伺服系統的數學模型 454 23.3.1 數控機床進給伺服系統的PMSM數學模型 454 23.3.2 矢量變換原理 455 23.3.3 Clarke變換 456 23.3.4 Park變換 456 23.3.5 同步旋轉坐標上的PMSM數學模型 457 23.4 機械參量和負載的折算 457 23.5 矢量控制和磁場定向原理 458 23.5.1 矢量控制原理 459 23.5.2 磁場定向原理 459 23.5.3 磁場定向(id=0)的控制方式下的PMSM進給伺服系統模型 460 23.5.4 數控機床進給伺服系統數學模型的傳遞函數的表示 460 23.6 基于SOA算法對數控機床進給伺服系統PID優化 461 23.6.1 適應度函數的選取 461 23.6.2 SOA算法流程 461 23.6.3 PID參數整定結果 461 23.7 本章小結 479
參考文獻 480 |
序: |
|