MATLAB智能算法超级学习手册

第1章matlab基础知识
1.1matlab简介
1.2矩阵的表示
1.2.1数值矩阵的生成
1.2.2符号矩阵的生成
1.2.3特殊矩阵的生成
1.3符号变量的应用
1.3.1质点系的转动惯量问题
1.3.2油罐剩余油量体积的求解
1.3.3光的反射定理的论证
1.4线性方程组的求解
1.4.1齐次线性方程组的通解
1.4.2非齐次线性方程组的通解
1.4.3线性方程组的lq解法
1.5简单工程应用分析
1.5.1内燃机转角与升程插值模型
1.5.2航行区域警示线模型
1.6本章小结
第2章种群竞争微分方程的求解
2.1种群竞争微分方程模型
2.2种群竞争模型的讨论
2.3本章小结
第3章基于markov的食品物价趋势预测
3.1问题背景
3.1.1食品零售价格数据
3.1.2问题的提出
3.2食品分类模型基本假设
3.3食品价格数值分类求解
3.3.1食品聚类分类
3.3.2食品价格特点分析
3.4食品价格增长率分类求解
3.4.1食品属性分类
3.4.2食品价格特点分析
3.5食品价格趋势预测
3.5.1食品价格预测模型基本假设
3.5.2食品价格预测模型符号说明
3.5.3食品价格预测模型的建立与求解
3.6本章小结
第4章基于时间序列的物价预测算法
4.1时间序列的基本概念
4.2非平稳时间序列变动的影响因素与测定模型
4.3时间序列的预测方法
4.3.1季节变动分析
4.3.2循环变动分析
4.4食品价格分析
4.5灰色关联分析
4.5.1灰色预测建模
4.5.2食品价格趋势预测
4.6时间序列指数平滑预测法
4.6.1一次指数平滑预测法
4.6.2二次指数平滑预测法
4.6.3三次指数平滑法
4.7时间序列线性二次移动平均法
4.8本章小结
第5章基于层次分析法的食堂服务质量评价算法
5.1问题的背景
5.2层次分析法
5.2.1层次分析法的特点
5.2.2层次分析法的应用
5.2.3层次分析法的基本原理与步骤
5.2.4层次分析法应用举例
5.3学生食堂就餐服务质量满意度
5.3.1食堂服务质量评价模型基本假设
5.3.2食堂服务质量评价模型分析
5.3.3食堂服务质量评价模型符号说明
5.3.4食堂服务质量评价模型的建立与求解
5.4本章小结
第6章matlab优化工具箱的使用
6.1线性规划问题
6.2foptions函数
6.3非线性规划问题
6.3.1有约束的一元函数的*小值
6.3.2无约束的多元函数*小值
6.3.3有约束的多元函数*小值
6.3.4二次规划问题
6.4“半无限”有约束的多元函数*优解
6.5极小化极大问题
6.6多目标规划问题
6.7*小二乘*优问题
6.7.1约束线性*小二乘
6.7.2非线性曲线拟合
6.7.3非线性*小二乘
6.7.4非负线性*小二乘
6.8非线性方程求解
6.8.1非线性方程的解
6.8.2非线性方程组的解
6.9本章小结
第7章基于rbf网络的优化逼近
7.1rbf神经网络
7.1.1rbf网络特点
7.1.2rbf网络结构
7.1.3rbf网络的逼近
7.2模糊rbf网络
7.2.1网络结构
7.2.2基于模糊rbf网络的逼近算法
7.3基于遗传算法的rbf网络逼近
7.4rbf网络自校正控制
7.4.1自校正控制算法
7.4.2rbf网络自校正控制算法
7.5本章小结
第8章自适应模糊控制算法
8.1模糊控制
8.1.1模糊系统的设计
8.1.2模糊系统的逼近精度
8.1.3模糊逼近仿真
8.2间接自适应模糊控制
8.2.1一般模糊系统
8.2.2自适应模糊控制器的设计
8.2.3稳定性分析
8.2.4间接自适应模糊控制仿真
8.3直接自适应模糊控制
8.3.1问题描述
8.3.2控制器的设计
8.3.3自适应律设计
8.3.4直接自适应模糊控制仿真
8.4本章小结
第9章基于pid的控制算法
9.1pid控制原理
9.2专家pid控制
9.3增量式pid控制算法及其仿真
9.4积分分离式pid控制算法及其仿真
9.5基于卡尔曼滤波器的pid控制
9.6本章小结
第10章基于lqr+pid的倒立摆控制算法
10.1背景
10.2线性系统
10.2.1状态空间基本定义
10.2.2状态空间表达式
10.2.3系统状态线性变换
10.2.4线性系统的能控性
10.3*优控制
10.3.1线性二次型控制
10.3.2lqr状态反馈矩阵求解
10.3.3pid控制
10.3.4pid状态反馈矩阵求解
10.4倒立摆系统
10.4.1一级倒立摆系统分析
10.4.2利用lqr法设计控制器
10.4.3利用pid法设计控制器
10.5倒立摆系统平衡控制系统设计
10.5.1simulink设计仿真
10.5.2线性二次型倒立摆控制
10.5.3pid倒立摆控制
10.6本章小结
第11章基于粒子群算法的寻优计算
11.1基本粒子群算法
11.2粒子群算法的收敛性
11.3粒子群算法函数极值求解
11.3.1一维函数全局*优
11.3.2经典测试函数
11.3.3无约束函数极值寻优
11.3.4有约束函数极值寻优
11.3.5有约束函数极值apso寻优
11.4matlab优化工具箱简介
11.5本章小结
第12章基本粒子群改进算法分析
12.1基本粒子群算法
12.1.1基本pso算法
12.1.2pso算法基本特点
12.1.3基本pso算法流程
12.2粒子群算法改进
12.3提高粒子群算法效率
12.3.1带惯性权重的pso算法
12.3.2权重线性递减的pso算法
12.3.3自适应权重的pso算法
12.3.4随机权重策略的pso算法
12.3.5增加收缩因子的pso算法
12.3.6其他参数的变化
12.4本章小结
第13章基于免疫算法的物流中心选址
13.1物流中心选址问题
13.2免疫算法的基本思想
13.3基于免疫优化算法的物流中心选址问题求解
13.3.1初始群体的产生
13.3.2解的多样性评价
13.3.3免疫操作
13.3.4模型求解
13.4本章小结
第14章基于人工免疫的粒子群聚类算法
14.1聚类分析
14.2pso优化算法分析
14.2.1粒子群优化算法
14.2.2pso算法改进策略
14.3人工免疫特性分析
14.3.1生物免疫系统及其特性
14.3.2种群分布熵
14.3.3平均粒距
14.3.4精英均值偏差
14.4基于人工免疫的粒子群优化算法
14.4.1pso函数极值求解
14.4.2粒子群聚类算法理论分析
14.4.3粒子群算法实现流程
14.4.4种群多样性聚类分析
14.5本章小结
第15章基于art的植物种类自动分类
15.1art网络分类算法简介
15.1.1人工神经网络实际应用
15.1.2art网络
15.2植物种类自动分类研究
15.2.1植物种类简介
15.2.2植物分类
15.3基于art的植物种类数据自动分类研究
15.3.1神经网络简介
15.3.2自适应共振理论
15.3.3art1网络结构
15.3.4art1运行过程
15.4本章小结
第16章基于贝叶斯网络的数据预测
16.1贝叶斯统计方法
16.2贝叶斯预测方法
16.3贝叶斯网络的数据预测
16.4本章小结
第17章基于遗传算法的寻优计算
17.1遗传算法的寻优计算
17.2基于ga的三维曲面极值寻优
17.3基于ga_pso算法的寻优计算
17.4本章小结
第18章基于遗传算法的tsp求解
18.1旅行商问题分析
18.1.1遗传算法简介
18.1.2遗传算法现状分析
18.2遗传算法的特点
18.3遗传算法中各算子的特点
18.3.1选择算子(selection)
18.3.2交叉算子(crossover)
18.3.3变异算子(mutation)
18.4遗传算法的基本步骤
18.4.1编码
18.4.2初始群体的生成
18.4.3杂交
18.4.4适应度值评估检测
18.4.5选择
18.4.6变异
18.4.7中止
18.5基于ga的旅行商问题求解
18.5.1tsp问题定义
18.5.2tsp算法框架
18.5.3tsp算法流程框图
18.5.4固定地图tsp求解
18.5.5随机地图tsp求解
18.6遗传算法讨论
18.6.1编码表示
18.6.2适应度函数
18.6.3选择策略
18.6.4控制参数
18.7本章小结
第19章基于蚁群算法的路径规划计算
19.1基于蚁群算法的二维路径规划算法
19.1.1maklink图论
19.1.2蚁群算法理论
19.1.3dijkstra算法
19.1.4路径规划问题分析求解
19.2基于蚁群算法的三维路径规划算法
19.2.1三维空间抽象建模
19.2.2三维路径问题
19.2.3信息素更新
19.2.4可视搜索空间
19.2.5蚁群搜索策略
19.2.6路径规划问题分析求解
19.3本章小结
第20章基于蚁群算法的tsp求解
20.1蚁群算法理论研究现状
20.2蚁群算法的基本原理
20.3基于aco的tsp求解
20.4基于aco_pso的tsp求解
20.5本章小结
第21章基于模拟退火的粒子群算法
21.1基于模拟退火的粒子群算法
21.1.1模拟退火算法的提出
21.1.2模拟退火算法的步骤
21.1.3模拟退火的粒子群算法
21.2本章小结
第22章基于人群搜索算法的函数优化
22.1soa算法的基本原理
22.1.1利己行为
22.1.2利他行为
22.1.3预动行为
22.1.4不确定性行为
22.2人群搜索算法
22.2.1搜索步长的确定
22.2.2搜索方向的确定
22.2.3搜寻者个体位置的更新
22.2.4算法的实现
22.3基于人群搜索算法的函数优化
22.3.1优化函数的选择
22.3.2函数优化的结果
22.4本章小结
第23章数控机床进给伺服系统的soa-pid参数整定
23.1soa算法在pid控制中的运用
23.1.1pid控制原理
23.1.2pid的离散化处理
23.1.3基于soa的pid参数整定的基本原理
23.2基于soa的pid参数整定的设计方案
23.2.1参数的编码
23.2.2适应度函数的选取
23.2.3算法流程
23.2.4算法实例
23.2.5pid参数整定结果
23.3数控机床进给伺服系统的数学模型
23.3.1数控机床进给伺服系统的pmsm数学模型
23.3.2矢量变换原理
23.3.3clarke变换
23.3.4park变换
23.3.5同步旋转坐标上的pmsm数学模型
23.4机械参量和负载的折算
23.5矢量控制和磁场定向原理
23.5.1矢量控制原理
23.5.2磁场定向原理
23.5.3磁场定向(id=0)的控制方式下的pmsm进给伺服系统模型
23.5.4数控机床进给伺服系统数学模型的传递函数的表示
23.6基于soa算法对数控机床进给伺服系统pid优化
23.6.1适应度函数的选取
23.6.2soa算法流程
23.6.3pid参数整定结果
23.7本章小结
参考文献