第1篇 MATLAB常见算法应用

第1章 MATLAB基础知识

1.1 MATLAB简介

1.2 矩阵的表示

1.3 图形点线样式

1.4 MATLAB自带图形集

1.4.1 平面与立体绘图

1.4.2 复杂函数的三维绘图

1.4.3 等高线绘制

1.4.4 MATLAB动画

1.4.5 数据拟合

1.4.6 MATLAB图像处理

1.5 本章小结

第2章 GUI应用及数值分析

2.1 GUI应用分析

2.1.1 图像加载和存储

2.1.2 GUI图形显示

2.1.3 可变GUI窗体设置

2.2 设计可执行函数文件

2.3 符号变量应用求解

2.4 图像盲区

2.5 正态分布

2.6 本章小结

第3章 MATLAB工程应用实例

3.1 光的反射定理论证

3.1.1 公式推算

3.1.2 代码实现

3.2 质点系转动惯量求解

3.3 储油罐的油量计算

3.4 香烟毒物摄入问题

3.5 冰雹的下落速度

3.5.1 公式推算

3.5.2 代码实现

3.6 本章小结

第4章 GM应用分析

4.1 数据归一化处理

4.2 灰色关联分析

4.2.1 灰色预测求解流程

4.2.2 灰色预测建模

4.3 食品价格灰色关联分析

4.3.1 食品价格趋势预测

4.3.2 食品价格分析

4.3.3 灰色关联分析

4.4 本章小结

第5章 PLS应用分析

5.1 偏最小二乘回归

5.2 偏最小二乘快速计算方法

5.3 偏最小二乘数据分析

5.4 本章小结

第6章 ES应用分析

6.1 时间序列的基本概念

6.2 非平稳时间序列变动的影响因素与测定模型

6.3 时间序列的预测方法

6.3.1 季节变动分析

6.3.2 循环变动分析

6.4 食品价格分析

6.5 时间序列指数平滑预测法

6.5.1 一次指数平滑预测法

6.5.2 二次指数平滑预测法

6.5.3 三次指数平滑法

6.6 时间序列线性二次移动平均法预测法

6.7 本章小结

第7章 Markov应用分析

7.1 问题背景

7.2 模型基本假设

7.3 食品价格趋势预测

7.3.1 模型符号说明

7.3.2 模型建立与求解

7.3.3 结果分析

7.4 本章小结

第8章 AHP应用分析

8.1 层次分析法

8.1.1 层次分析法特点

8.1.2 层次分析法步骤

8.2 工作满意度模型

8.3 食堂就餐服务质量满意度

8.3.1 模型基本假设

8.3.2 模型分析

8.3.3 模型符号说明

8.3.4 模型建立与求解

8.3.5 一致性检验

8.3.6 结果分析

8.4 本章小结

第9章 DWRR应用分析

9.1 问题的背景

9.2 模型基本假设

9.3 模型符号说明

9.4 模型的建立与求解

9.4.1 评价指标的规范化处理

9.4.2 动态加权函数的确定

9.4.3 空气质量评价模型的建立

9.4.4 模型求解步骤

9.4.5 结果求解及分析

9.5 本章小结

第10章 模糊逼近算法

10.1 模糊控制理论

10.2 模糊系统的设计

10.3 模糊系统的逼近精度

10.4 模糊逼近仿真

10.5 本章小结

第11章 模糊RBF网络

11.1 RBF神经网络

11.1.1 FBF网络结构

11.1.2 RBF网络的逼近

11.2 模糊RBF网络

11.2.1 网络结构

11.2.2 基于模糊RBF网络的逼近算法

11.3 本章小结

第12章 基于FCEM的TRIZ评价

12.1 TRIZ创新方法原理

12.2 企业创新能力评价指标的构建

12.3 企业创新能力的模糊综合评价方法

12.4 企业创新能力综合评价指标排序结果分析

12.5 本章小结

第2篇 MATLAB群智能算法应用设计

第13章 基于PSO的寻优计算

13.1 基本粒子群算法

13.2 粒子群算法的收敛性

13.3 粒子群算法函数极值求解

13.3.1 一维函数全局最优

13.3.2 经典测试函数

13.3.3 无约束函数极值寻优

13.3.4 有约束函数极值寻优

13.3.5 有约束函数极值APSO寻优

13.4 本章小结

第14章 基于PSO的机构优化

14.1 微粒群优化算法研究现状

14.1.1 微粒群优化算法的改进研究

14.1.2 微粒群优化算法的应用研究

14.2 机构优化设计理论分析

14.3 平面连杆机构的模型建立

14.4 利用复合形法进行设计

14.4.1 复合形法的算法流程

14.4.2 模型计算结果

14.5 利用约束随机方向法进行设计

14.5.1 初始点的选择

14.5.2 随机方向法的算法流程

14.5.3 模型计算结果

14.6 利用优化工具箱法进行设计

14.7 利用微粒群优化算法进行设计

14.8 本章小结

第15章 基本PSO的改进策略

15.1 常用粒子群算法

15.1.1 基本PSO算法

15.1.2 基本PSO算法流程

15.2 粒子群算法改进

15.3 加快粒子群算法效率

15.3.1 带惯性权重的PSO算法

15.3.2 权重线性递减的PSO算法

15.3.3 自适应权重的PSO算法

15.3.4 随机权重策略的PSO算法

15.3.5 增加收缩因子的PSO算法

15.3.6 其他参数的变化

15.4 本章小结

第16章 基于GA的寻优计算

16.1 遗传算法简介

16.2 遗传算法特点

16.3 遗传算法的基本步骤

16.3.1 编码

16.3.2 初始群体的生成

16.3.3 杂交

16.3.4 适应度值评估检测

16.3.5 选择

16.3.6 变异

16.3.7 中止

16.4 遗传算法的寻优计算

16.5 基于GA的3D曲面极值寻优计算

16.6 基于GA_PSO算法的寻优计算

16.7 遗传算法讨论

16.7.1 编码表示

16.7.2 适应度函数

16.7.3 选择策略

16.7.4 控制参数

16.8 本章小结

第17章 基于GA的TSP求解

17.1 旅行商问题分析

17.2 遗传算法算子分析

17.2.1 选择算子（selection）

17.2.2 交叉算子（crossover）

17.2.3 变异算子（mutation）

17.3 基于GA的旅行商问题求解

17.3.1 TSP问题定义

17.3.2 基于遗传算法的TSP算法框架

17.3.3 TSP算法流程框图

17.3.4 固定地图TSP求解

17.3.5 随机地图TSP求解

17.4 本章小结

第18章 基于Hopfield的TSP求解

18.1 Hopfield神经网络

18.1.1 离散Hopfield网络

18.1.2 连续Hopfield网络

18.2 基于CHNN的TSP求解

18.2.1 模型分析

18.2.2 模型算法具体步骤

18.2.3 模型求解

18.3 本章小结

第19章 基于ACO的TSP求解

19.1 蚁群算法理论研究现状

19.2 蚁群算法的基本原理

19.3 基于ACO的TSP求解

19.4 基于ACO_PSO的TSP求解

19.5 本章小结

第20章 基于SA的PSO算法

20.1 模拟退火算法提出

20.2 模拟退火算法的步骤

20.3 模拟退火的粒子群算法

20.3.1 算法寻优步骤

20.3.2 程序代码

20.4 本章小结

第21章 基于kalman的PID控制

21.1 PID控制原理

21.2 基于卡尔曼滤波器的PID控制

21.2.1 含噪音信号的滤波常见处理方法

21.2.2 采用卡尔曼滤波器实现信号的滤波

21.2.3 采用卡尔曼滤波进行测量温度的跟踪

21.3 本章小结

第22章 基于SOA的寻优计算

22.1 SOA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 群智能优化算法

22.2.1 PSO算法

22.2.2 GA算法

22.2.3 SOA算法

22.3 人群搜索算法

22.3.1 适应度函数的选取

22.3.2 搜索步长的确定

22.3.3 搜索方向的确定

22.3.4 个体位置的更新

22.3.5 算法的实现

22.4 基于人群搜索算法的函数优化

22.4.1 优化函数的选择

22.4.2 函数优化的结果

22.5 本章小结

第23章 基于Bayes的数据预测

23.1 贝叶斯统计方法

23.2 贝叶斯预测方法

23.3 贝叶斯网络的数据预测

23.4 基于贝叶斯网络模式识别应用

23.5 本章小结

第24章 基于SOA的PID参数整定

24.1 SOA算法在PID控制中的运用

24.1.1 PID控制原理

24.1.2 PID的离散化处理

24.2 基于SOA的PID参数整定的设计方案

24.2.1 参数的编码

24.2.2 适应度函数的选取

24.2.3 算法流程

24.2.4 算法实例

24.2.5 PID参数整定结果

24.3 数控机床进给伺服系统的数学模型

24.3.1 数控机床进给伺服系统的PMSM数学模型

24.3.2 数控机床伺服系统数学模型的传递函数的表示

24.4 基于SOA算法对数控机床进给伺服系统PID优化

24.4.1 适应度函数的选取

24.4.2 SOA算法流程

24.4.3 PID参数整定结果

24.5 本章小结

第25章 基于BP的人脸方向预测

25.1 BP神经网络基本原理

25.2 BP神经网络的分析流程

25.3 人脸方向预测

25.4 本章小结

第26章 基于Hopfield的数字识别

26.1 Hopfield网络原理分析

26.2 Hopfield数字识别

26.2.1 离散Hopfield网络（DHNN）

26.2.2 连续Hopfield网络

26.2.3 基于DHNN的数字识别

26.3 本章小结

第27章 基于DEA的投入产出分析

27.1 DEA原理分析

27.2 DEA分析

27.2.1 DEA算法流程

27.2.2 DEA评价模型

27.3 本章小结

第28章 基于BP的数据分类

28.1 BP神经网络基本原理

28.2 BP神经网络算法步骤

28.3 BP网络的语音信号识别

28.4 BP网络的蝴蝶花分类预测

28.5 本章小结

第29章 基于SOM的数据分类

29.1 SOM原理分析

29.2 SOM拓扑结构分析

29.3 SOM的癌症样本分类预测

29.4 柴油机故障分类

29.5 本章小结

第30章 基于人工免疫PSO的聚类算法

30.1 聚类分析

30.2 PSO优化算法分析

30.2.1 粒子群优化算法

30.2.2 PSO算法改进策略

30.3 人工免疫特性分析

30.3.1 生物免疫系统及其特性

30.3.2 种群分布熵

30.3.3 平均粒距

30.3.4 精英均值偏差

30.4 基于人工免疫粒子群优化算法

30.4.1 PSO在函数极值求解

30.4.2 粒子群聚类算法理论分析

30.4.3 粒子群算法实现流程

30.4.4 种群多样性聚类分析

30.5 本章小结

第31章 模糊聚类分析

31.1 聚类分析原理

31.2 食品聚类分析

31.3 模糊聚类工具箱

31.4 本章小结

第32章 基于GA_BP的抗糖化活性研究

32.1 多糖活性背景介绍

32.2 多糖活性数据初始化

32.3 GA_BP优化分析

32.4 本章小结

参考文献