MATLAB智能算法超级学习手册PDF|Epub|txt|kindle电子书版本网盘下载

MATLAB智能算法超级学习手册PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章MATLAB基础知识1

1.1MATLAB简介1

1.2矩阵的表示4

1.2.1数值矩阵的生成5

1.2.2符号矩阵的生成6

1.2.3特殊矩阵的生成7

1.3符号变量的应用9

1.3.1质点系的转动惯量问题10

1.3.2油罐剩余油量体积的求解10

1.3.3光的反射定理的论证12

1.4线性方程组的求解14

1.4.1齐次线性方程组的通解14

1.4.2非齐次线性方程组的通解15

1.4.3线性方程组的LQ解法17

1.5简单工程应用分析18

1.5.1内燃机转角与升程插值模型18

1.5.2航行区域警示线模型19

1.6本章小结22

第2章 种群竞争微分方程的求解23

2.1种群竞争微分方程模型23

2.2种群竞争模型的讨论29

2.3本章小结33

第3章 基于Markov的食品物价趋势预测34

3.1问题背景34

3.1.1食品零售价格数据34

3.1.2问题的提出35

3.2食品分类模型基本假设35

3.3食品价格数值分类求解36

3.3.1食品聚类分类36

3.3.2食品价格特点分析38

3.4食品价格增长率分类求解46

3.4.1食品属性分类47

3.4.2食品价格特点分析47

3.5食品价格趋势预测53

3.5.1食品价格预测模型基本假设53

3.5.2食品价格预测模型符号说明53

3.5.3食品价格预测模型的建立与求解54

3.6本章小结62

第4章 基于时间序列的物价预测算法63

4.1时间序列的基本概念63

4.2非平稳时间序列变动的影响因素与测定模型64

4.3时间序列的预测方法64

4.3.1季节变动分析65

4.3.2循环变动分析65

4.4食品价格分析66

4.5灰色关联分析67

4.5.1灰色预测建模68

4.5.2食品价格趋势预测70

4.6时间序列指数平滑预测法76

4.6.1一次指数平滑预测法76

4.6.2二次指数平滑预测法77

4.6.3三次指数平滑法78

4.7时间序列线性二次移动平均法80

4.8本章小结85

第5章 基于层次分析法的食堂服务质量评价算法86

5.1问题的背景86

5.2层次分析法87

5.2.1层次分析法的特点87

5.2.2层次分析法的应用87

5.2.3层次分析法的基本原理与步骤88

5.2.4层次分析法应用举例92

5.3学生食堂就餐服务质量满意度96

5.3.1食堂服务质量评价模型基本假设96

5.3.2食堂服务质量评价模型分析96

5.3.3食堂服务质量评价模型符号说明97

5.3.4食堂服务质量评价模型的建立与求解97

5.4本章小结104

第6章MATLAB优化工具箱的使用105

6.1线性规划问题105

6.2 foptions函数107

6.3非线性规划问题108

6.3.1有约束的一元函数的最小值108

6.3.2无约束的多元函数最小值109

6.3.3有约束的多元函数最小值111

6.3.4二次规划问题114

6.4“半无限”有约束的多元函数最优解117

6.5极小化极大问题121

6.6多目标规划问题123

6.7最小二乘最优问题126

6.7.1约束线性最小二乘126

6.7.2非线性曲线拟合128

6.7.3非线性最小二乘129

6.7.4非负线性最小二乘131

6.8非线性方程求解131

6.8.1非线性方程的解132

6.8.2非线性方程组的解132

6.9本章小结134

第7章 基于RBF网络的优化逼近135

7.1 RBF神经网络135

7.1.1 RBF网络特点136

7.1.2 RBF网络结构136

7.1.3 RBF网络的逼近136

7.2模糊RBF网络140

7.2.1网络结构141

7.2.2基于模糊RBF网络的逼近算法142

7.3基于遗传算法的RBF网络逼近145

7.4 RBF网络自校正控制152

7.4.1自校正控制算法153

7.4.2 RBF网络自校正控制算法153

7.5本章小结157

第8章 自适应模糊控制算法158

8.1模糊控制158

8.1.1模糊系统的设计159

8.1.2模糊系统的逼近精度159

8.1.3模糊逼近仿真160

8.2间接自适应模糊控制165

8.2.1一般模糊系统166

8.2.2自适应模糊控制器的设计167

8.2.3稳定性分析167

8.2.4间接自适应模糊控制仿真169

8.3直接自适应模糊控制175

8.3.1问题描述175

8.3.2控制器的设计176

8.3.3自适应律设计177

8.3.4直接自适应模糊控制仿真179

8.4本章小结182

第9章 基于PID的控制算法183

9.1 PID控制原理183

9.2专家PID控制184

9.3增量式PID控制算法及其仿真188

9.4积分分离式PID控制算法及其仿真191

9.5基于卡尔曼滤波器的PID控制195

9.6本章小结203

第10章 基于LQR+PI D的倒立摆控制算法204

10.1背景204

10.2线性系统205

10.2.1状态空间基本定义205

10.2.2状态空间表达式205

10.2.3系统状态线性变换206

10.2.4线性系统的能控性207

10.3最优控制208

10.3.1线性二次型控制208

10.3.2 LQR状态反馈矩阵求解210

10.3.3 PID控制211

10.3.4 PID状态反馈矩阵求解212

10.4倒立摆系统213

10.4.1一级倒立摆系统分析214

10.4.2利用LQR法设计控制器215

10.4.3利用PID法设计控制器219

10.5倒立摆系统平衡控制系统设计220

10.5.1 Simulink设计仿真220

10.5.2线性二次型倒立摆控制220

10.5.3 PID倒立摆控制222

10.6本章小结223

第11章 基于粒子群算法的寻优计算224

11.1基本粒子群算法224

11.2粒子群算法的收敛性227

11.3粒子群算法函数极值求解228

11.3.1一维函数全局最优229

11.3.2经典测试函数231

11.3.3无约束函数极值寻优237

11.3.4有约束函数极值寻优240

11.3.5有约束函数极值APSO寻优243

11.4 MATLAB优化工具箱简介248

11.5本章小结249

第12章 基本粒子群改进算法分析250

12.1基本粒子群算法250

12.1.1基本PSO算法250

12.1.2 PSO算法基本特点252

12.1.3基本PSO算法流程252

12.2粒子群算法改进253

12.3提高粒子群算法效率254

12.3.1带惯性权重的PSO算法254

12.3.2权重线性递减的PSO算法255

12.3.3自适应权重的PSO算法259

12.3.4随机权重策略的PSO算法260

12.3.5增加收缩因子的PSO算法262

12.3.6其他参数的变化265

12.4本章小结273

第13章 基于免疫算法的物流中心选址274

13.1物流中心选址问题274

13.2免疫算法的基本思想275

13.3基于免疫优化算法的物流中心选址问题求解276

13.3.1初始群体的产生277

13.3.2解的多样性评价277

13.3.3免疫操作278

13.3.4模型求解279

13.4本章小结289

第14章 基于人工免疫的粒子群聚类算法290

14.1聚类分析290

14.2 PSO优化算法分析291

14.2.1粒子群优化算法291

14.2.2 PSO算法改进策略292

14.3人工免疫特性分析292

14.3.1生物免疫系统及其特性292

14.3.2种群分布熵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优化算法294

14.4.1 PSO函数极值求解295

14.4.2粒子群聚类算法理论分析297

14.4.3粒子群算法实现流程299

14.4.4种群多样性聚类分析300

14.5本章小结310

第15章 基于ART的植物种类自动分类311

15.1 ART网络分类算法简介311

15.1.1人工神经网络实际应用311

15.1.2 ART网络312

15.2植物种类自动分类研究312

15.2.1植物种类简介312

15.2.2植物分类313

15.3基于ART的植物种类数据自动分类研究313

15.3.1神经网络简介313

15.3.2自适应共振理论315

15.3.3 ART 1网络结构315

15.3.4 ART 1运行过程317

15.4本章小结320

第16章 基于贝叶斯网络的数据预测321

16.1贝叶斯统计方法321

16.2贝叶斯预测方法323

16.3贝叶斯网络的数据预测325

16.4本章小结328

第17章 基于遗传算法的寻优计算329

17.1遗传算法的寻优计算329

17.2基于GA的三维曲面极值寻优338

17.3基于GA PSO算法的寻优计算345

17.4本章小结348

第18章 基于遗传算法的TSP求解349

18.1旅行商问题分析349

18.1.1遗传算法简介349

18.1.2遗传算法现状分析350

18.2遗传算法的特点351

18.3遗传算法中各算子的特点352

18.3.1选择算子（selection）352

18.3.2交叉算子（crossover）352

18.3.3变异算子（mutation）353

18.4遗传算法的基本步骤353

18.4.1编码354

18.4.2初始群体的生成354

18.4.3杂交355

18.4.4适应度值评估检测355

18.4.5选择355

18.4.6变异355

18.4.7中止355

18.5基于GA的旅行商问题求解356

18.5.1 TSP问题定义356

18.5.2 TSP算法框架356

18.5.3 TSP算法流程框图357

18.5.4固定地图TSP求解358

18.5.5随机地图TSP求解359

18.6遗传算法讨论365

18.6.1编码表示366

18.6.2适应度函数366

18.6.3选择策略366

18.6.4控制参数366

18.7本章小结366

第19章 基于蚁群算法的路径规划计算367

19.1基于蚁群算法的二维路径规划算法367

19.1.1 MAKLINK图论367

19.1.2蚁群算法理论368

19.1.3 Dijkstra算法369

19.1.4路径规划问题分析求解369

19.2基于蚁群算法的三维路径规划算法378

19.2.1三维空间抽象建模378

19.2.2三维路径问题379

19.2.3信息素更新379

19.2.4可视搜索空间380

19.2.5蚁群搜索策略380

19.2.6路径规划问题分析求解381

19.3本章小结388

第20章 基于蚁群算法的TSP求解389

20.1蚁群算法理论研究现状389

20.2蚁群算法的基本原理391

20.3基于ACO的TSP求解394

20.4基于ACO PSO的TSP求解398

20.5本章小结408

第21章 基于模拟退火的粒子群算法409

21.1基于模拟退火的粒子群算法409

21.1.1模拟退火算法的提出409

21.1.2模拟退火算法的步骤410

21.1.3模拟退火的粒子群算法410

21.2本章小结416

第22章 基于人群搜索算法的函数优化417

22.1 SOA算法的基本原理417

22.1.1利己行为417

22.1.2利他行为418

22.1.3预动行为418

22.1.4不确定性行为418

22.2人群搜索算法418

22.2.1搜索步长的确定419

22.2.2搜索方向的确定420

22.2.3搜寻者个体位置的更新420

22.2.4算法的实现420

22.3基于人群搜索算法的函数优化421

22.3.1优化函数的选择421

22.3.2函数优化的结果421

22.4本章小结432

第23章 数控机床进给伺服系统的SOA-PI D参数整定433

23.1 SOA算法在PID控制中的运用433

23.1.1 PID控制原理433

23.1.2 PID的离散化处理434

23.1.3基于SOA的PID参数整定的基本原理434

23.2基于SOA的PID参数整定的设计方案435

23.2.1参数的编码435

23.2.2适应度函数的选取435

23.2.3算法流程436

23.2.4算法实例436

23.2.5 PID参数整定结果436

23.3数控机床进给伺服系统的数学模型454

23.3.1数控机床进给伺服系统的PMSM数学模型454

23.3.2矢量变换原理455

23.3.3 Clarke变换456

23.3.4 Park变换456

23.3.5同步旋转坐标上的PMSM数学模型457

23.4机械参量和负载的折算457

23.5矢量控制和磁场定向原理458

23.5.1矢量控制原理459

23.5.2磁场定向原理459

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460

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460

23.6基于SOA算法对数控机床进给伺服系统PID优化461

23.6.1适应度函数的选取461

23.6.2 SOA算法流程461

23.6.3 PID参数整定结果461

23.7本章小结479

参考文献480