MATLAB優化算法案例分析與應用 ( 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 |  3dWoo書號： 39515
詢問書籍請說出此書號！【缺書】
NT售價： 350 元 |
| 出版日：8/29/2014 |
| 頁數：484 |
| 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：9787302367024 |
| 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： MATLAB作為一款科學計算軟件逐漸被廣大科研人員所接受。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廣大高校師生及科研人員的認可。借助MATLAB，能夠解決幾乎所有的工程問題。對于一個數據分析和計算方面的工作者和學習者，利用MATLAB工具是一個很好的選擇。
1．MATLAB簡介
Cleve Moler，MATLAB軟件的創始人，美國工程院院士，MathWorks董事長和首席數學家，《MATLAB數值計算》（英文書名：Numerical Computing with MATLAB）的 作者。
MATLAB是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據可視化、數據分析及數值計算的高級技術計算語言和交互式環境，主要包括MATLAB和Simulink兩大部分。MATLAB和Mathematica、Maple并稱為三大數學軟件。在新的版本中也加入了對C、FORTRAN、C++和Java的支持。
2．MATALB算法應用
目前市場上出版的書籍，大多數缺少理論背景分析，導致讀者面對自己的課題，不知道如何應用。為了讓大家能夠結合理論，了解算法流程，真正掌握MATLAB算法分析，書中講解時結合了深受讀者歡迎的MATLAB案列應用分析，真正做到了理論知識和實踐案例相結合，加深了對MATLAB算法應用的理解。
本書所有案例均采用MATLAB進行設計，針對具體工程背景，采用不同的算法對所涉及案例進行求解，讓讀者真正理解算法實質，從而更好地應用到其他案例中。本書以智能算法應用為主線，以分析工程案例為輔助，做到了理論和算法相結合，詳解設計思路和設計步驟，向讀者展示了如何運用MATLAB進行算法開發和設計。
本書特色
1．提供“在線交流，有問必答”的網絡互動答疑服務
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。書中的案例很多是讀者經常碰到的例子，讀起來不枯燥。
3．內容豐富，覆蓋面廣
本書內容涵蓋了常見智能算法的應用，包括BP網絡、RBF網絡、Hopfield網絡、粒子群算法、遺傳算法、人群搜索算法、模擬退火算法和蟻群算法等。針對分類、預測、優化和TSP問題，書中采用了不同的算法進行設計。讀者通過閱讀本書，也可以開發出適用于自己的程序。
4．循序漸進，由淺入深
本書從最簡單的工程案例開始分析，讓讀者通過簡單的工程案例，更好地熟悉和了解MATLAB的編程思路，然后逐步進入群智能算法，通過簡單算法運用和算法改進策略，以及算法混合使用，逐步引導讀者認識和掌握群智能算法的思想。
5．真實案例，隨學隨用
本書是一本注重實踐的書，書中有大量的篇幅用在了MATLAB解決具體的真實案例中。在群智能算法章節中通過列舉不同的函數，采用不同的算法進行尋優求解，讀者可以從這些實例中更加深刻地理解所講內容。同時，可以對這些案例稍加修改，即可用于自己的項目或課題上去，從而實現問題的求解。
本書內容及體系結構
第1篇 MATALB常見算法應用（第1∼12章）
本篇介紹了MATLAB基礎知識引入，包括GUI界面開發、灰色預測、偏最小二乘、指數平滑、馬爾科夫鏈模型、層次分析法、模糊逼近、RBF網絡逼近和模糊綜合等案例。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，如價格指數、評價模型、擬合回歸等模型。這些內容適應讀者的各種需求，可以為后續的群智能算法學習打下堅實的基礎。
第2篇 MATALB群智能算法應用設計（第13∼32章）
本篇涉及面較廣，列舉了BP神經網絡、Hopfield網絡、PSO、SA、SOA和GA算法等。通過案例分析，結合算法理論和程序代碼，可以讓讀者深入理解MATLAB群智能算法的相關內容。通過本篇內容的學習，也可以讓讀者對MATALB智能算法應用向更加廣泛、更加具體和更多的應用發展，讓讀者真正掌握算法核心，開發和設計出自己的可移植性代碼。
本書讀者對象
* MATALB算法初學者；
* MATLAB算法愛好者；
* MATLAB開發人員；
* MATLAB愛好者；
* MATALB相關從業人員；
* 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。
本書作者
本書由余勝威主筆編寫。作者結合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，精心準備，寫作了本書。感謝馬翠翠在此期間給予的幫助。其他參與編寫的人員有陳超、陳鍇、陳佩霞、陳銳、黎華、李鵬欽、李森、李奕輝、李玉莉、劉仲義、盧香清、魯木應、馬向東、麥廷琮、米永剛、歐陽昉、綦彥臣、冉衛華、宋永強、滕科平、王秀麗、王玉芹、魏瑩、魏宗壽、溫本利。
讀者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。
編者
??
??
??
??
MATLAB優化算法案例分析與應用
前言
·II·
·III·
|
內容簡介： 本書全面而系統地介紹了MATLAB算法和案例應用，涉及面廣，從基本操作到高級算法應用，幾乎涵蓋MATLAB算法的所有重要知識。本書結合算法理論和流程，通過大量案例，詳解算法代碼，解決具體的工程案例，讓讀者更加深入地學習和掌握各種算法在不同案例中的應用。
本書共32章。涵蓋的內容有MATLAB基礎知識、GUI應用及數值分析、MATALB工程應用實例、GM應用分析、PLS應用分析、ES應用分析、MARKOV應用分析、AHP應用分析、DWRR應用分析、模糊逼近算法、模糊RBF網絡、基于FCEM的TRIZ評價、基于PSO的尋優計算、基于PSO的機構優化、基本PSO的改進策略、基于GA的尋優計算、基于GA的TSP求解、基于Hopfield的TSP求解、基于ACO的TSP求解、基于SA的PSO算法、基于kalman的PID控制、基于SOA的尋優計算、基于Bayes的數據預測、基于SOA的PID參數整定、基于BP 的人臉方向預測、基于Hopfield 的數字識別、基于DEA的投入產出分析、基于BP的數據分類、基于SOM的數據分類、基于人工免疫PSO的聚類算法、模糊聚類分析和基于GA_BP的抗糖化活性研究。
本書適合所有想全面學習MATALB優化算法的人員閱讀，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常見算法應用
第1章 MATLAB基礎知識 2
1.1 MATLAB簡介 2
1.2 矩陣的表示 7
1.3 圖形點線樣式 10
1.4 MATLAB自帶圖形集 10
1.4.1 平面與立體繪圖 10
1.4.2 復雜函數的三維繪圖 13
1.4.3 等高線繪制 17
1.4.4 MATLAB動畫 17
1.4.5 數據擬合 19
1.4.6 MATLAB圖像處理 21
1.5 本章小結 22
第2章 GUI應用及數值分析 23
2.1 GUI應用分析 23
2.1.1 圖像加載和存儲 23
2.1.2 GUI圖形顯示 25
2.1.3 可變GUI窗體設置 26
2.2 設計可執行函數文件 28
2.3 符號變量應用求解 29
2.4 圖像盲區 31
2.5 正態分布 34
2.6 本章小結 36
第3章 MATLAB工程應用實例 37
3.1 光的反射定理論證 37
3.1.1 公式推算 37
3.1.2 代碼實現 38
3.2 質點系轉動慣量求解 39
3.3 儲油罐的油量計算 40
3.4 香煙毒物攝入問題 40
3.5 冰雹的下落速度 42
3.5.1 公式推算 42
3.5.2 代碼實現 43
3.6 本章小結 45
第4章 GM應用分析 46
4.1 數據歸一化處理 46
4.2 灰色關聯分析 47
4.2.1 灰色預測求解流程 47
4.2.2 灰色預測建模 48
4.3 食品價格灰色關聯分析 49
4.3.1 食品價格趨勢預測 49
4.3.2 食品價格分析 50
4.3.3 灰色關聯分析 50
4.4 本章小結 55
第5章 PLS應用分析 56
5.1 偏最小二乘回歸 56
5.2 偏最小二乘快速計算方法 59
5.3 偏最小二乘數據分析 60
5.4 本章小結 66
第6章 ES應用分析 67
6.1 時間序列的基本概念 67
6.2 非平穩時間序列變動的影響因素與測定模型 68
6.3 時間序列的預測方法 68
6.3.1 季節變動分析 69
6.3.2 循環變動分析 69
6.4 食品價格分析 69
6.5 時間序列指數平滑預測法 71
6.5.1 一次指數平滑預測法 72
6.5.2 二次指數平滑預測法 73
6.5.3 三次指數平滑法 74
6.6 時間序列線性二次移動平均法預測法 76
6.7 本章小結 80
第7章 Markov應用分析 81
7.1 問題背景 81
7.2 模型基本假設 82
7.3 食品價格趨勢預測 82
7.3.1 模型符號說明 82
7.3.2 模型建立與求解 83
7.3.3 結果分析 89
7.4 本章小結 95
第8章 AHP應用分析 96
8.1 層次分析法 96
8.1.1 層次分析法特點 96
8.1.2 層次分析法步驟 96
8.2 工作滿意度模型 101
8.3 食堂就餐服務質量滿意度 105
8.3.1 模型基本假設 106
8.3.2 模型分析 106
8.3.3 模型符號說明 106
8.3.4 模型建立與求解 107
8.3.5 一致性檢驗 111
8.3.6 結果分析 112
8.4 本章小結 113
第9章 DWRR應用分析 114
9.1 問題的背景 114
9.2 模型基本假設 114
9.3 模型符號說明 114
9.4 模型的建立與求解 115
9.4.1 評價指標的規范化處理 115
9.4.2 動態加權函數的確定 116
9.4.3 空氣質量評價模型的建立 116
9.4.4 模型求解步驟 117
9.4.5 結果求解及分析 118
9.5 本章小結 121
第10章 模糊逼近算法 122
10.1 模糊控制理論 122
10.2 模糊系統的設計 122
10.3 模糊系統的逼近精度 123
10.4 模糊逼近仿真 124
10.5 本章小結 129
第11章 模糊RBF網絡 130
11.1 RBF神經網絡 130
11.1.1 RBF網絡結構 130
11.1.2 RBF網絡的逼近 131
11.2 模糊RBF網絡 138
11.2.1 網絡結構 139
11.2.2 基于模糊RBF網絡的逼近算法 140
11.3 本章小結 144
第12章 基于FCEM的TRIZ評價 145
12.1 TRIZ創新方法原理 145
12.2 企業創新能力評價指標的構建 146
12.3 企業創新能力的模糊綜合評價方法 146
12.4 企業創新能力綜合評價指標排序結果分析 153
12.5 本章小結 154
第2篇 MATLAB群智能算法應用設計
第13章 基于PSO的尋優計算 156
13.1 基本粒子群算法 156
13.2 粒子群算法的收斂性 158
13.3 粒子群算法函數極值求解 159
13.3.1 一維函數全局最優 159
13.3.2 經典測試函數 162
13.3.3 無約束函數極值尋優 168
13.3.4 有約束函數極值尋優 171
13.3.5 有約束函數極值APSO尋優 174
13.4 本章小結 179
第14章 基于PSO的機構優化 180
14.1 微粒群優化算法研究現狀 180
14.1.1 微粒群優化算法的改進研究 180
14.1.2 微粒群優化算法的應用研究 181
14.2 機構優化設計理論分析 181
14.3 平面連桿機構的模型建立 182
14.4 利用復合形法進行設計 184
14.4.1 復合形法的算法流程 184
14.4.2 模型計算結果 184
14.5 利用約束隨機方向法進行設計 187
14.5.1 初始點的選擇 188
14.5.2 隨機方向法的算法流程 188
14.5.3 模型計算結果 188
14.6 利用優化工具箱法進行設計 191
14.7 利用微粒群優化算法進行設計 194
14.8 本章小結 198
第15章 基本PSO的改進策略 199
15.1 常用粒子群算法 199
15.1.1 基本PSO算法 199
15.1.2 基本PSO算法流程 201
15.2 粒子群算法改進 201
15.3 加快粒子群算法效率 202
15.3.1 帶慣性權重的PSO算法 202
15.3.2 權重線性遞減的PSO算法 203
15.3.3 自適應權重的PSO算法 208
15.3.4 隨機權重策略的PSO算法 211
15.3.5 增加收縮因子的PSO算法 213
15.3.6 其他參數的變化 217
15.4 本章小結 226
第16章 基于GA的尋優計算 227
16.1 遺傳算法簡介 227
16.2 遺傳算法特點 228
16.3 遺傳算法的基本步驟 229
16.3.1 編碼 229
16.3.2 初始群體的生成 230
16.3.3 雜交 230
16.3.4 適應度值評估檢測 230
16.3.5 選擇 231
16.3.6 變異 231
16.3.7 中止 231
16.4 遺傳算法的尋優計算 231
16.5 基于GA的3D曲面極值尋優計算 239
16.6 基于GA_PSO算法的尋優計算 245
16.7 遺傳算法討論 248
16.7.1 編碼表示 248
16.7.2 適應度函數 248
16.7.3 選擇策略 248
16.7.4 控制參數 248
16.8 本章小結 249
第17章 基于GA的TSP求解 250
17.1 旅行商問題分析 250
17.2 遺傳算法算子分析 250
17.2.1 選擇算子（selection） 250
17.2.2 交叉算子（crossover） 251
17.2.3 變異算子（mutation） 252
17.3 基于GA的旅行商問題求解 252
17.3.1 TSP問題定義 252
17.3.2 基于遺傳算法的TSP算法框架 253
17.3.3 TSP算法流程框圖 253
17.3.4 固定地圖TSP求解 254
17.3.5 隨機地圖TSP求解 255
17.4 本章小結 261
第18章 基于Hopfield的TSP求解 262
18.1 Hopfield神經網絡 262
18.1.1 離散Hopfield網絡 263
18.1.2 連續Hopfield網絡 263
18.2 基于CHNN的TSP求解 265
18.2.1 模型分析 266
18.2.2 模型算法具體步驟 266
18.2.3 模型求解 267
18.3 本章小結 271
第19章 基于ACO的TSP求解 272
19.1 蟻群算法理論研究現狀 272
19.2 蟻群算法的基本原理 273
19.3 基于ACO的TSP求解 277
19.4 基于ACO_PSO的TSP求解 281
19.5 本章小結 291
第20章 基于SA的PSO算法 292
20.1 模擬退火算法提出 292
20.2 模擬退火算法的步驟 293
20.3 模擬退火的粒子群算法 293
20.3.1 算法尋優步驟 294
20.3.2 程序代碼 294
20.4 本章小結 299
第21章 基于kalman的PID控制 300
21.1 PID控制原理 300
21.2 基于卡爾曼濾波器的PID控制 301
21.2.1 含噪音信號的濾波常見處理方法 302
21.2.2 采用卡爾曼濾波器實現信號的濾波 312
21.2.3 采用卡爾曼濾波進行測量溫度的跟蹤 314
21.3 本章小結 319
第22章 基于SOA的尋優計算 320
22.1 SOA算法的基本原理 320
22.1.1 利己行為 320
22.1.2 利他行為 321
22.1.3 預動行為 321
22.1.4 不確定性行為 321
22.2 群智能優化算法 321
22.2.1 PSO算法 321
22.2.2 GA算法 322
22.2.3 SOA算法 322
22.3 人群搜索算法 322
22.3.1 適應度函數的選取 322
22.3.2 搜索步長的確定 323
22.3.3 搜索方向的確定 323
22.3.4 個體位置的更新 324
22.3.5 算法的實現 324
22.4 基于人群搜索算法的函數優化 324
22.4.1 優化函數的選擇 325
22.4.2 函數優化的結果 325
22.5 本章小結 337
第23章 基于Bayes的數據預測 338
23.1 貝葉斯統計方法 338
23.2 貝葉斯預測方法 340
23.3 貝葉斯網絡的數據預測 342
23.4 基于貝葉斯網絡模式識別應用 345
23.5 本章小結 348
第24章 基于SOA的PID參數整定 349
24.1 SOA算法在PID控制中的運用 349
24.1.1 PID控制原理 349
24.1.2 PID的離散化處理 350
24.2 基于SOA的PID參數整定的設計方案 350
24.2.1 參數的編碼 351
24.2.2 適應度函數的選取 351
24.2.3 算法流程 351
24.2.4 算法實例 352
24.2.5 PID參數整定結果 352
24.3 數控機床進給伺服系統的數學模型 371
24.3.1 數控機床進給伺服系統的PMSM數學模型 371
24.3.2 數控機床伺服系統數學模型的傳遞函數的表示 372
24.4 基于SOA算法對數控機床進給伺服系統PID優化 372
24.4.1 適應度函數的選取 373
24.4.2 SOA算法流程 373
24.4.3 PID參數整定結果 373
24.5 本章小結 392
第25章 基于BP的人臉方向預測 393
25.1 BP神經網絡基本原理 393
25.2 BP神經網絡的分析流程 394
25.3 人臉方向預測 396
25.4 本章小結 399
第26章 基于Hopfield的數字識別 400
26.1 Hopfield網絡原理分析 400
26.2 Hopfield數字識別 401
26.2.1 離散Hopfield網絡（DHNN） 401
26.2.2 連續Hopfield網絡 402
26.2.3 基于DHNN的數字識別 403
26.3 本章小結 409
第27章 基于DEA的投入產出分析 410
27.1 DEA原理分析 410
27.2 DEA分析 411
27.2.1 DEA算法流程 411
27.2.2 DEA評價模型 411
27.3 本章小結 415
第28章 基于BP的數據分類 416
28.1 BP神經網絡基本原理 416
28.2 BP神經網絡算法步驟 417
28.3 BP網絡的語音信號識別 417
28.4 BP網絡的蝴蝶花分類預測 423
28.5 本章小結 430
第29章 基于SOM的數據分類 431
29.1 SOM原理分析 431
29.2 SOM拓撲結構分析 432
29.3 SOM的癌癥樣本分類預測 437
29.4 柴油機故障分類 439
29.5 本章小結 444
第30章 基于人工免疫PSO的聚類算法 445
30.1 聚類分析 445
30.2 PSO優化算法分析 446
30.2.1 粒子群優化算法 446
30.2.2 PSO算法改進策略 446
30.3 人工免疫特性分析 447
30.3.1 生物免疫系統及其特性 447
30.3.2 種群分布熵 448
30.3.3 平均粒距 448
30.3.4 精英均值偏差 448
30.4 基于人工免疫粒子群優化算法 448
30.4.1 PSO在函數極值求解 450
30.4.2 粒子群聚類算法理論分析 451
30.4.3 粒子群算法實現流程 453
30.4.4 種群多樣性聚類分析 454
30.5 本章小結 464
第31章 模糊聚類分析 465
31.1 聚類分析原理 465
31.2 食品聚類分析 465
31.3 模糊聚類工具箱 468
31.4 本章小結 472
第32章 基于GA_BP的抗糖化活性研究 473
32.1 多糖活性背景介紹 473
32.2 多糖活性數據初始化 473
32.3 GA_BP優化分析 475
32.4 本章小結 485
參考文獻 486
??
??
??
??
MATLAB優化算法案例分析與應用
目錄
·XII·
·XIII·
|
| 序： |
