-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

MATLAB優化算法案例分析與應用(進階篇)

( 簡體 字)
作者:余勝威類別:1. -> 工程繪圖與工程計算 -> Matlab
譯者:
出版社:清華大學出版社MATLAB優化算法案例分析與應用(進階篇) 3dWoo書號: 41414
詢問書籍請說出此書號!

缺書
NT售價: 400

出版日:4/24/2015
頁數:532
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:9787302397014
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

  為了能更有效地解決工業生產過程中大量存在的優化問題,自20世紀80年代以來,涌現出了很多智能優化算法。它們通過模擬某一自然現象或過程而發展起來,為解決復雜系統的優化問題提供了新的思路和手段,自誕生就引起了國內外學者的廣泛關注,并被應用于許多領域。MATLAB作為一款科學計算軟件被廣大的科研人員所熱愛,其強大的數據計算功能、圖像的可視化界面及代碼的可移植性受到了科研人員及高校師生的認可。借助MATLAB進行算法開發,能夠解決幾乎所有的工程問題。
  目前市場上出版的同類書籍大多數缺少理論和背景分析,還有一些書中的代碼使用了偽代碼,這導致讀者面對自己的課題不知道如何應用,或者是根本沒法應用這些代碼。為了讓讀者能更好地學習MATLAB優化算法,筆者編寫并出版了《MATLAB優化算法案列分析與應用》(清華大學出版社,2014年9月第1版)。該書上市后深受讀者歡迎,但因篇幅所限,也無法將所有常見的MATLAB算法都講解到。為了讓讀者更加全面地學習MATLAB算法應用,筆者在該書的基礎上重新編寫了“進階篇”。兩本書中所涉及的算法在算法種類上形成了互補,讀者可以通過這兩本書更好及更完整地閱讀相關領域的全套算法,從而豐富自己的MATLAB算法應用。
  本書中的算法案例針對具體的工程背景,采用不同的算法對所涉及的案例用MATLAB進行求解,讓讀者能真正理解算法的本質,從而更好地將其應用到實際工程和科學研究中。本書以智能算法應用為主,以分析工程案例為輔,做到了理論和算法相結合,并詳細講解其思路和設計步驟,向讀者展示了如何運用MATLAB進行算法開發和設計。
  對算法熟悉的讀者也許會注意到,一種高級算法總是和函數優化分析相結合。因為所有的工程問題歸根結底都轉化為函數問題,所以算法和函數優化結合的案例分析是MATLAB算法學習中最通用的剖析方法,也是MATLAB算法學習的精華。希望廣大讀者能夠很好地掌握。
本書特色
  1.提供“在線交流,有問必答”網絡互動答疑服務
  國內最大的MATLAB&Simulink技術交流平臺——MATLAB中文論壇(www.iLoveMatlab.cn)聯合本書作者和編輯,一起為您提供與本書相關的問題解答和MATLAB技術支持服務,讓您獲得最佳的閱讀體驗。具體參與方式請詳細閱讀本書封底的說明。
  2.內容講解不枯燥
  本書結合相關算法理論和實踐案例,抽出和算法相關的理論作為支撐,通過求解流程以及算法迭代過程,讓讀者容易理解并且掌握。書中的案例大多數是針對具體的工程應用和研究,閱讀起來不枯燥。
  3.內容豐富和深入,覆蓋面極廣
  相比筆者之前出版的《MATLAB優化算法案例分析與應用》一書,本書內容更加豐富,涵蓋面更加廣泛,而且內容更加深入。本書基本包括了所有常見的MATLAB優化算法及應用,包括貝葉斯分類器、期望最大化算法、K最近鄰密度估計、樸素貝葉斯分類器、背景差分法、小波變換、BP網絡、遞歸最小二乘(RLS)算法、GA優化的BP網絡算法、分形盒維數、帶約束的非線性目標優化、邊緣檢測算法、人臉檢測、改進的圖像邊緣檢測算法、指紋圖形去偽算法、多元回歸算法、DW檢驗、非線性多混合函數擬合模型、伊藤微分方程、布朗運動、無線體域網路由方法、罰函數的粒子群算法、遺傳算法、圖像識別、車載自組織網絡、免疫算法、啟發式搜索算法、倒立擺變結構控制系統設計、蟻群算法、萬有引力搜索算法、細菌覓食算法、匈牙利算法、人工蜂群算法、改進的遺傳算法、差分進化算法和魚群算法等。針對分類、預測、優化和控制系統問題,本書采用不同的算法進行設計,即便初學者通過閱讀本書也可以開發出適用于自己問題的程序。
  4.循序漸進,由淺入深
  本書從算法原理與求解流程出發,輔以MATLAB程序驗證,通過算法代碼可以直觀地理解算法原理中所涉及的公式,從而引導讀者去認識和掌握群智能算法的思想。
  5.大量真實案例,隨學隨用
  本書是一本注重實踐的書。因此,有大量的篇幅用在了真實的MATLAB算法解決具體案例中。本書在偏重于群智能算法講解,如蟻群算法、遺傳算法、差分進化算法、蜂群算法和細菌覓食算法等,通過函數優化分析,采用不同的算法通過尋優求解,讀者可以從這些實例中更加深刻的理解,同時,只需要稍加修改這些案列,即可用于讀者正在應用的項目或課題上去,從而實現問題的求解。
  6.語言通俗易懂,講解圖文并茂
  本書用通俗易懂的語言講解各個知識點和算法案例,而且在講解過程中提供了大量的圖示幫助讀者直觀地理解所學知識。所以無論是新手,還是有一定基礎的讀者,都能順利地閱讀本書,從而提高自己的算法水平。
本書內容
  第1篇 MATLAB常用算法應用設計(第1~16章)
  本篇介紹了MATLAB的常用算法,包括貝葉斯分類器、期望最大化算法、K最近鄰密度估計、樸素貝葉斯分類器、背景差分法、小波變換、BP網絡、遞歸最小二乘(RLS)算法、GA優化的BP網絡算法、分形盒維數、帶約束的非線性目標優化、邊緣檢測算法、人臉檢測、改進的圖像邊緣檢測算法、指紋圖形去偽算法、多元回歸算法、DW檢驗、非線性多混合函數擬合模型、伊藤微分方程和布朗運動等案例。通過該類較為常用的算法引入,讀者可以應用這些案例解決一些常見問題,如圖像檢測、函數優化預測、擬合回歸和分類等模型。通過對這些內容的學習,也為第2篇的學習打下了堅實的算法基礎。
  第2篇 MATLAB高級算法應用設計(第17~30章)
  本篇涉及面較廣,而且內容較為深入,主要介紹了罰函數的粒子群算法、遺傳算法、圖像識別、車載自組織網絡、免疫算法、啟發式搜索算法、倒立擺變結構控制系統設計、蟻群算法、萬有引力搜索算法、細菌覓食算法、匈牙利算法、人工蜂群算法、改進的遺傳算法、差分進化算法和魚群算法等案例。通過這些算法案例分析,并結合算法理論和程序代碼,能真正適應廣大科研人員和高校師生的需要。通過學習本篇的MATALB高級算法應用,可以讓讀者向更廣泛、更具體和更多的應用發展,可以讓讀者真正掌握算法核心,設計和開發出符合要求的可移植性代碼。
本書讀者對象
* MATALB算法初學者;
* MATLAB算法愛好者;
* MATLAB算法研究者;
* MATLAB開發人員;
* MATLAB愛好者;
* MATALB相關從業人員;
* 算法開發從業人員;
* 剛入職的初中級程序員;
* 大中專院校的學生;
* 相關培訓學校的學員。
本書配套資源獲取方式
  本書涉及的源程序及教學PPT需要讀者自行下載。請登錄MATLAB中文論壇www.iLoveMatlab.cn,然后在論壇的“MATLAB讀書頻道:與作者面對面交流”版塊上找到本書頁面后下載。讀者也可以到清華大學出版社的網站上(www.tup.com.cn)搜索到本書頁面,然后按照提示下載。
閱讀建議
* 算法初學者建議先閱讀《MATLAB優化算法案例分析與應用》一書,然后再閱讀本書,效果更好;
* 對算法有一定了解和研究的讀者可以根據自己的實際情況安排閱讀計劃;
* 經常到MATLAB中文論壇上逛逛,閱讀相關技術帖子,也是很好的提高方式;
* 每個案例都要親手實踐,并思考是否可以用于自己的工程項目或者研究中。
本書作者
  本書由余勝威主筆編寫。其他參與編寫的人員有李小妹、周晨、桂鳳林、李然、李瑩、李玉青、倪欣欣、魏健藍、夏雨晴、蕭萬安、余慧利、袁歡、占俊、周艷梅、楊松梅、余月、張廣龍、張亮、張曉輝、張雪華、趙海波、趙偉、周成、朱森。
  筆者結合自己在西南交通大學學習期間掌握的各類算法及出于對MATLAB的愛好,通過參閱大量的相關資料,精心準確,寫作了本書。由于算法研究的復雜性,筆者的寫作也需要借鑒前輩的一些研究成果才能做得更好,所以本書寫作的過程中筆者也參考了一些自己平時積累的參考資料,部分資料可能來自于前輩們的著作。在此向這些前輩們表示深深的敬意和感謝!由于無法聯系到原作者,所以寫作時也無法一一征求意見。如果有不當之處,請聯系筆者或者本書編輯。
  閱讀本書的過程中若有疑問,可以在MATLAB中文論壇的本書交流版塊提問,也可以發郵件到bookservice2008@163.com,我們會及時答復。
  
  編著者
  于成都
  ??
  
  ??
  
  ??
  
  ??
  
MATLAB優化算法案例分析與應用(進階篇)
  
前 言
  
·VI·
  
  
·V·
  
  
  
  
  
  
內容簡介:

    本書全面、系統、深入地介紹了MATLAB算法及案例應用。書中結合算法分析的理論和流程,詳解了大量的工程案例及其具體的代碼實現,讓讀者可以深入學習和掌握各種算法在相關領域中的具體應用。
  本書共分兩篇。第1篇為MATLAB常用算法應用設計,包括貝葉斯分類器的數據處理、背景差分的運動目標檢測、小波變換的圖像壓縮、BP的模型優化預測、RLS算法的數據預測、GA優化的BP網絡算法分析、分形維數應用、碳排放約束下的煤炭消費量優化預測、焊縫邊緣檢測算法對比分析、指紋圖像細節特征提取、多元回歸模型的礦井通風量計算、非線性多混合擬合模型的植被過濾帶計算、伊藤微分方程的布朗運動分析、Q學習的無線體域網路由方法和遺傳算法的公交排班系統分析。第2篇為MATLAB高級算法應用設計,包括人臉檢測識別、改進的多算子融合圖像識別系統設計、罰函數的粒子群算法的函數尋優、車載自組織網絡中路邊性能及防碰撞算法研究、免疫算法的數值逼近優化分析、啟發式算法的函數優化分析、一級倒立擺變結構控制系統設計與仿真研究、蟻群算法的函數優化分析、引力搜索算法的函數優化分析、細菌覓食算法的函數優化分析、匈牙利算法的指派問題優化分析、人工蜂群算法的函數優化分析、改進的遺傳算法的城市交通信號優化分析、差分進化算法的函數優化分析和魚群算法的函數優化分析。
  本書既適合所有想全面學習MATALB算法開發的人員閱讀,也適合各種使用MATALB進行開發的工程技術人員閱讀。對于相關高校的教學與研究,本書也是不可或缺的參考書。另外,對于MATLAB愛好者,本書也對網絡上討論的大部分疑難問題給出了解答,值得一讀。

目錄:

第1篇 MATLAB常用算法應用設計
第1章 基于貝葉斯分類器的數據處理與MATLAB實現 2
1.1 貝葉斯理論 2
1.2 高斯概率密度函數 3
1.3 最小距離分類器 8
1.3.1 歐氏距離分類器 8
1.3.2 馬氏距離分類器 8
1.3.3 基于高斯概率密度函數的最大似然估計 10
1.4 混合概率分布 13
1.5 期望最大化算法 17
1.6 Parzen窗 30
1.7 K最近鄰密度估計法 31
1.8 樸素貝葉斯分類器 34
1.9 最近鄰分類原則 36
1.10 本章小結 37
第2章 基于背景差分的運動目標檢測與MATLAB實現 38
2.1 運動目標檢測的一般過程 38
2.1.1 手動背景法 38
2.1.2 統計中值法 39
2.1.3 算術平均法 39
2.2 運動目標檢測的一般方法 41
2.2.1 幀間差法運動目標檢測 41
2.2.2 背景差法運動目標檢測 43
2.3 本章小結 45
第3章 基于小波變換的圖像壓縮與MATLAB實現 46
3.1 小波變換原理 46
3.2 多尺度分析 47
3.3 圖像的分解和量化 48
3.3.1 一維小波變換 48
3.3.2 二維變換體系 49
3.3.3 量化 49
3.4 圖像壓縮編碼 50
3.4.1 圖像編碼評價 51
3.4.2 壓縮比準則 52
3.5 圖像壓縮與MATLAB實現 52
3.6 本章小結 60
第4章 基于BP的模型優化預測與MATLAB實現 61
4.1 BP神經網絡模型及其基本原理 61
4.2 MATLAB BP神經網絡工具箱 62
4.3 基于BP神經網絡的PID參數整定 64
4.3.1 理論分析 64
4.3.2 算法流程 67
4.3.3 算法仿真 68
4.4 基于BP神經網絡的數字識別系統設計 72
4.5 本章小結 76
第5章 基于RLS算法的數據預測與MATLAB實現 77
5.1 遞歸最小二乘(RLS)算法應用背景 77
5.2 RLS算法基本原理與流程 78
5.2.1 RLS算法基本原理 78
5.2.2 RLS算法流程 79
5.3 RLS數據線性預測分析與MATLAB實現 80
5.4 本章小結 83
第6章 基于GA優化的BP網絡算法分析與MATLAB實現 84
6.1 遺傳算法 84
6.2 BP神經網絡 85
6.3 基于GA優化的BP神經網絡的大腦灰白質圖像分割 85
6.4 基于GA優化的BP神經網絡的礦井通風量計算 98
6.4.1 某工作面最優通風量分析 101
6.4.2 總回風巷最優通風量分析 113
6.5 本章小結 124
第7章 分形維數應用與MATLAB實現 125
7.1 分形盒維數概述 125
7.2 二維圖像分形盒維數分析 126
7.3 基于短時分形維數的語音信號檢測 127
7.3.1 時間序列信號圖形的網格分形 127
7.3.2 噪聲語音信號的短時網格分形 128
7.4 本章小結 132
第8章 碳排放約束下的煤炭消費量優化預測 133
8.1 煤炭消費量概述 133
8.2 煤炭影響因素分析 135
8.3 煤炭消耗量優化預測模型構建 136
8.3.1 CO2排放強度的雙立方插值擬合 136
8.3.2 煤炭、石油和天然氣與CO2排放強度回歸模型構建 137
8.3.3 煤炭、石油和天然氣碳排放系數構建 140
8.3.4 節能減排和經濟發展優化目標構建與求解 141
8.4 本章小結 145
第9章 焊縫邊緣檢測算法對比分析與MATLAB實現 146
9.1 焊縫邊緣檢測研究 146
9.2 圖像預處理技術 147
9.3 焊縫圖像邊緣檢測 149
9.3.1 Sobel算子 149
9.3.2 Prewitt算子 151
9.3.3 Canny算子 152
9.3.4 形態學處理 155
9.3.5 邊緣檢測效果對比 156
9.4 本章小結 158
第10章 指紋圖像細節特征提取與MATLAB實現 159
10.1 指紋識別技術概述 159
10.2 指紋識別系統的工作原理 159
10.3 指紋細節特征的提取 160
10.3.1 指紋特征提取的方法 160
10.3.2 指紋圖像的細化后處理 161
10.3.3 特征點的提取 162
10.3.4 指紋特征的去偽 163
10.4 指紋圖像去偽與MATLAB實現 163
10.5 本章小結 168
第11章 基于多元回歸模型的礦井通風量計算 169
11.1 礦井通風量概述 169
11.2 礦井通風量回歸模型分析 169
11.3 通風量多元回歸分析 170
11.3.1 數據的預處理 170
11.3.2 瓦斯、煤塵、溫度、濕度與通風量模型的建立 173
11.4 礦井最優通風風量有效性分析 175
11.4.1 空氣中煤塵濃度與風速映射關系建模 175
11.4.2 空氣中瓦斯濃度與風速映射關系建模 176
11.4.3 礦井中溫濕度與風速映射關系建模 177
11.5 預測模型誤差檢驗 178
11.6 本章小結 180
第12章 基于非線性多混合擬合模型的植被過濾帶計算 181
12.1 植被試驗場概況 181
12.2 試驗方法 182
12.2.1 試驗參數 182
12.2.2 土樣的分析方法 182
12.2.3 水樣的分析方法 183
12.3 植被過濾帶凈化效果評價方法 183
12.4 植被過濾帶凈化效果影響因素分析 184
12.4.1 植被條件對植被過濾帶凈化效果的影響 184
12.4.2 入流水文條件對植被過濾帶凈化效果的影響 185
12.4.3 帶寬對植被過濾帶凈化效果的影響 185
12.4.4 坡度對植被過濾帶凈化效果的影響 186
12.4.5 入流污染物濃度對植被過濾帶凈化效果的影響 187
12.4.6 土壤初始含水量對植被過濾帶凈化效果的影響 188
12.5 植被過濾帶凈化效果關聯度計算 188
12.6 基于非線性多混合擬合模型的濃度削減率計算 191
12.7 本章小結 197
第13章 基于伊藤微分方程的布朗運動分析 198
13.1 隨機微分方程數學模型 198
13.1.1 布朗運動概述 198
13.1.2 布朗運動的數學模型 199
13.2 布朗運動的隨機微分方程 199
13.2.1 隨機微分方程 200
13.2.2 隨機微分方程系數 200
13.3 伊藤微分方程及伊藤微分法則 201
13.3.1 伊藤微分方程 201
13.3.2 伊藤積分 201
13.3.3 伊藤過程 201
13.3.4 伊藤隨機微分方程的解析解 202
13.3.5 伊藤隨機微分方程的數值解 202
13.4 數值布朗運動模擬與MATLAB實現 203
13.4.1 布朗運動的模擬 203
13.4.2 幾何布朗運動的模擬 204
13.4.3 伊藤微分方程的布朗運動模擬 205
13.5 本章小結 206
第14章 基于Q學習的無線體域網路由方法 207
14.1 無線體域網研究背景 207
14.2 無線體域網性能分析 208
14.2.1 無線體域網系統結構 209
14.2.2 無線體域網的主要特點 209
14.3 無線體域網路由協議 210
14.3.1 無線路由協議 210
14.3.2 高效節能路由協議 210
14.3.3 DSR路由協議 212
14.4 基于Q學習的無線體域網路由方法 212
14.4.1 Agent增強學習算法 212
14.4.2 增強學習算法的基本原理 213
14.4.3 Q-learning增強學習算法 215
14.4.4 基于Q學習的無線體域網路由策略 216
14.4.5 WBAN路由分析與MATLAB實現 219
14.5 本章小結 234
第15章 基于遺傳算法的公交排班系統分析 235
15.1 公交排班系統背景分析 235
15.2 公交線路模型仿真 236
15.2.1 車輛行駛模型 236
15.2.2 乘客上下車模型 236
15.3 遺傳算法的發展與現狀 240
15.4 遺傳算法的基本思想 241
15.5 遺傳算法的特點 242
15.6 遺傳算法的應用步驟 242
15.7 公交排班問題模型設計 243
15.7.1 模型假設 243
15.7.2 定義變量 243
15.7.3 建立目標函數 244
15.7.4 算法結構 245
15.8 本章小結 253
第16章 人臉檢測識別與MATLAB實現 254
16.1 人臉檢測的意義 254
16.2 人臉檢測常用的幾個彩色空間 255
16.2.1 RGB彩色空間 255
16.2.2 標準化RGB彩色空間 255
16.2.3 HSV彩色空間 256
16.2.4 YCrCb彩色空間 259
16.3 靜態膚色模型 261
16.3.1 RGB顏色空間分割 262
16.3.2 HSV顏色空間分割 263
16.3.3 YCbCr顏色空間分割 264
16.4 基于Lab顏色空間的人臉分割 266
16.5 運動人圖像檢測與MATLAB實現 267
16.6 本章小結 269
第2篇 MATLAB高級算法應用設計
第17章 基于改進的多算子融合的圖像識別系統設計 272
17.1 圖像處理研究內容 272
17.2 圖像處理的特點 274
17.3 圖像數字化 275
17.4 Gabor濾波 276
17.5 直方圖增強 278
17.6 圖像邊緣概述 279
17.7 圖像邊緣分割模塊 280
17.7.1 Sobel算子 280
17.7.2 Prewitt算子 282
17.7.3 Canny算子 283
17.7.4 Roberts算子 284
17.7.5 Laplacian算子 286
17.7.6 kirsch方向算子 288
17.7.7 多算子融合 291
17.8 足跡圖像識別系統 293
17.9 本章小結 297
第18章 基于罰函數的粒子群算法的函數尋優 298
18.1 粒子群算法概述 298
18.2 粒子群算法模型 299
18.3 罰函數法 299
18.4 汽車動力傳動參數優化設計 300
18.4.1 汽車動力性評價 300
18.4.2 汽車燃油經濟性評價 301
18.4.3 汽車動力性與燃油經濟性的綜合評價 301
18.4.4 目標函數與約束條件分析 302
18.4.5 基于罰函數的PSO算法與MATLAB實現 304
18.5 本章小結 310
第19章 車載自組織網絡中路邊性能及防碰撞算法研究 311
19.1 車載自組織網絡概述 311
19.2 車載自組織網絡特征 312
19.3 VANET網路架構 314
19.3.1 車路通信(RVC) 315
19.3.2 車間通信(IVC) 315
19.3.3 混合通信(HVC) 318
19.4 車輛自組織網絡的管理問題 318
19.5 車載自組織網絡的連通性 319
19.5.1 無線網絡連通性 319
19.5.2 車載自組織網絡連通性 320
19.6 車載網絡路邊性能分析 321
19.6.1 隨機模型 321
19.6.2 流動模型 322
19.6.3 交通模型 322
19.6.4 基于軌跡模型 322
19.7 Kruskal算法 322
19.8 Dijkstra算法 323
19.9 車路通信 324
19.10 車間通信 331
19.11 單路邊性能分析 335
19.12 雙路邊性能分析 338
19.13 車載自組織網絡中防碰撞研究 342
19.13.1 換道模型分析 342
19.13.2 十字路口分析 342
19.13.3 高速車輛防碰撞動態仿真 346
19.13.4 城市車載網絡防碰撞仿真 351
19.14 本章小結 357
第20章 基于免疫算法的數值逼近優化分析 358
20.1 免疫算法應用分析 358
20.2 人工免疫算法的基本原理 359
20.2.1 多樣度 360
20.2.2 相似度 360
20.2.3 抗體濃度 360
20.2.4 聚合適應度 360
20.3 人工免疫算法的基本步驟 361
20.4 人工免疫算法的收斂性分析 362
20.5 人工免疫算法和遺傳算法比較 363
20.6 人工免疫算法MATLAB實現 363
20.7 本章小結 369
第21章 基于啟發式算法的函數優化分析 370
21.1 啟發式搜索算法概述 370
21.2 群智能優化算法 371
21.2.1 粒子群算法PSO 371
21.2.2 遺傳算法GA 371
21.2.3 人群搜索算法SOA 371
21.2.4 模擬退火算法SA 371
21.2.5 蟻群算法ACO 372
21.2.6 魚群算法FSA 372
21.3 APSO算法原理分析 372
21.4 APSO函數優化分析與MATLAB實現 374
21.5 本章小結 379
第22章 一級倒立擺變結構控制系統的設計與仿真研究 380
22.1 倒立擺控制概述 380
22.2 滑模變結構控制理論概述 381
22.3 變結構控制理論的發展及現狀 381
22.4 滑模變結構控制定義 382
22.5 滑模控制的基本原理與性質 383
22.5.1 滑動模態的存在條件 383
22.5.2 滑動模態的到達條件 383
22.5.3 滑模控制系統的匹配條件及不變性 384
22.5.4 滑模控制器設計的基本方法 385
22.6 基于趨近率的滑模控制器仿真 385
22.7 倒立擺模型分析 389
22.8 倒立擺狀態空間 391
22.9 倒立擺變量空間的θ化 393
22.10 倒立擺系統PID控制 396
22.10.1 PID參數整定 397
22.10.2 基于PID的一級倒立擺控制仿真 398
22.11 倒立擺滑模控制 400
22.12 本章小結 407
第23章 基于蟻群算法的函數優化分析 409
23.1 蟻群算法概述 409
23.2 蟻群算法的性能分析 410
23.3 蟻群算法的工作原理 411
23.4 基于蟻群算法的函數優化問題分析 412
23.4.1 函數優化問題 412
23.4.2 蟻群算法基本思想 413
23.5 函數優化分析與MATLAB實現 413
23.6 本章小結 418
第24章 基于引力搜索算法的函數優化分析 419
24.1 萬有引力搜索算法的介紹與分析 419
24.1.1 萬有引力定理 419
24.1.2 GSA算法描述 421
24.1.3 慣性質量計算 421
24.1.4 引力計算 421
24.1.5 位置更新 422
24.1.6 參數分析 422
24.2 萬有引力算法收斂性分析 423
24.3 萬有引力算法實現流程 424
24.4 萬有引力算法函數優化分析與MATLAB實現 425
24.5 本章小結 434
第25章 基于細菌覓食算法的函數優化分析 435
25.1 細菌覓食算法概述 435
25.2 細菌覓食算法與其他生物智能算法的對比 436
25.3 標準細菌覓食優化算法 437
25.3.1 大腸桿菌的覓食行為 437
25.3.2 BFO算法基本原理 438
25.3.3 趨向性操作(Chemotaxis) 439
25.3.4 聚集性操作(Swarming) 439
25.3.5 復制性操作(Reproduction) 440
25.3.6 遷徙性操作(Elimination and Dispersal) 440
25.4 BFO算法流程 440
25.5 BFO算法參數選取 442
25.5.1 種群大小S 442
25.5.2 游動步長C 443
25.5.3 引力深度dattractant、引力寬度wattractant、斥力高度hrepellant和斥力寬度wrepellant 443
25.5.4 趨向性操作中的次數Nc和Ns 443
25.5.5 復制操作執行的次數Nre 443
25.5.6 遷徙操作中的兩個參數Ned和Ped 444
25.6 細菌覓食優化算法函數優化分析與MATLAB實現 444
25.7 細菌覓食優化算法深入探討 450
25.7.1 趨向性操作的分析與改進 450
25.7.2 復制性操作的分析與改進 451
25.7.3 遷徙性操作的分析與改進 452
25.8 本章小結 452
第26章 基于匈牙利算法的指派問題優化分析 453
26.1 匈牙利算法 453
26.2 匈牙利算法計算實例步驟 454
26.3 指派問題的數學模型 455
26.4 本章小結 461
第27章 基于人工蜂群算法的函數優化分析 462
27.1 人工蜂群算法概述 462
27.2 蜜蜂采蜜機理 462
27.3 算法原理 464
27.4 ABC算法流程 466
27.5 人工蜂群算法函數優化與MATLAB實現 466
27.6 人工蜂群算法ABC探討 474
27.6.1 基于最優解指導的人工蜂群算法 474
27.6.2 混合人工蜂群算法 475
27.7 本章小結 475
第28章 基于改進的遺傳算法的城市交通信號優化分析 476
28.1 遺傳算法基本理論 476
28.1.1 遺傳算法簡介 476
28.1.2 遺傳算法的基本原理 477
28.1.3 遺傳算法的特點 478
28.2 基本遺傳算法的工作流程 478
28.3 遺傳算法的基本要素 479
28.3.1 編碼問題 479
28.3.2 適應度函數 481
28.3.3 選擇算子 482
28.3.4 交叉算子 483
28.3.5 變異算子 484
28.3.6 控制參數的選擇 485
28.3.7 約束條件處理 486
28.4 遺傳算法的模式定理 486
28.5 遺傳算法的改進 487
28.5.1 適應度值標定 488
28.5.2 改進的自適應交叉變異率 488
28.6 基于改進遺傳算法的道路交通信號優化 490
28.6.1 城市交通信號控制優化問題分析 490
28.6.2 以車輛平均延誤時間最小為目標的單交叉路口優化配時 491
28.6.3 非線性模型的建立 491
28.6.4 仿真分析 493
28.7 本章小結 505
第29章 基于差分進化算法的函數優化分析 506
29.1 差分進化算法概述 506
29.2 差分進化算法的基本原理 507
29.3 差分進化算法的受控參數 510
29.4 基于DE算法的函數優化與MATLAB實現 511
29.5 差分進化算法的改進 515
29.5.1 進化模式的改進 515
29.5.2 控制參數的選取和優化 516
29.5.3 差分進化算法與其他算法的結合 517
29.6 本章小結 518
第30章 基于魚群算法的函數優化分析 519
30.1 人工魚群算法的生物學基礎 519
30.1.1 魚類的感覺 519
30.1.2 魚類的幾種主要行為 519
30.2 魚群的概念 521
30.3 魚群算法的基本思想 522
30.4 人工魚模型 523
30.4.1 覓食行為 523
30.4.2 聚群行為 524
30.4.3 追尾行為 524
30.4.4 隨機行為 525
30.4.5 約束行為 525
30.4.6 公告板 525
30.4.7 移動策略 525
30.5 人工魚群算法的特點及流程 526
30.6 基于魚群算法的函數尋優及MATLAB實現 527
30.7 人工魚群算法的改進分析 532
30.7.1 非線性動態調整視野和步長 532
30.7.2 對覓食行為的改進 532
30.8 本章小結 533
參考文獻 534

  ??
  
  ??
  
  ??
  
  ??
  
MATLAB優化算法案例分析與應用(進階篇)
  
目 錄
  
·XVI·
  
  
·XVII·
  
  
  
  
  
  
序: