MATLAB智能算法超級學習手冊 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　MATLAB為廣大科研工作者的必備工具之一，智能算法在工程實際上得到較廣泛的應用。《MATLAB智能算法超級學習手冊》基於MATLAB R2013a軟件，全麵地介紹和舉例驗證智能算法的有效性。
　　智能算法種類較多，《MATLAB智能算法超級學習手冊》的內容主要包括馬爾科夫鏈模型、層次分析法、粒子群算法、遺傳算法、蟻群算法、魚群算法、PID控製算法、神經網絡算法等。智能算法對於很多初學者而言，有一定的睏難，很難理解程序流程、數據的運算過程，因此給實際應用帶來睏難。本書將圍繞智能算法展開綜述，深入淺齣地介紹和分析各類智能算法，用智能算法解決工程應用問題。
　　《MATLAB智能算法超級學習手冊》以工程應用為目標，深入淺齣，實例引導，講解詳實，適閤作為理工科高等院校研究生、本科生的教學用書，也可作為廣大科研和工程技術人員的參考用書。

內頁插圖

目錄

目　錄

第1章　MATLAB基礎知識　1
1．1　MATLAB簡介　1
1．2　矩陣的錶示　4
1．2．1　數值矩陣的生成　5
1．2．2　符號矩陣的生成　6
1．2．3　特殊矩陣的生成　7
1．3　符號變量的應用　9
1．3．1　質點係的轉動慣量問題　10
1．3．2　油罐剩餘油量體積的求解　10
1．3．3　光的反射定理的論證　12
1．4　綫性方程組的求解　14
1．4．1　齊次綫性方程組的通解　14
1．4．2　非齊次綫性方程組的通解　15
1．4．3　綫性方程組的LQ解法　17
1．5　簡單工程應用分析　18
1．5．1　內燃機轉角與升程插值模型　18
1．5．2　航行區域警示綫模型　19
1．6　本章小結　22

第2章　種群競爭微分方程的求解　23
2．1　種群競爭微分方程模型　23
2．2　種群競爭模型的討論　29
2．3　本章小結　33

第3章　基於Markov的食品物價趨勢預測　34
3．1　問題背景　34
3．1．1　食品零售價格數據　34
3．1．2　問題的提齣　35
3．2　食品分類模型基本假設　35
3．3　食品價格數值分類求解　36
3．3．1　食品聚類分類　36
3．3．2　食品價格特點分析　38
3．4　食品價格增長率分類求解　46
3．4．1　食品屬性分類　47
3．4．2　食品價格特點分析　47
3．5　食品價格趨勢預測　53
3．5．1　食品價格預測模型基本假設　53
3．5．2　食品價格預測模型符號說明　53
3．5．3　食品價格預測模型的建立與求解　54
3．6　本章小結　62

第4章　基於時間序列的物價預測算法　63
4．1　時間序列的基本概念　63
4．2　非平穩時間序列變動的影響因素與測定模型　64
4．3　時間序列的預測方法　64
4．3．1　季節變動分析　65
4．3．2　循環變動分析　65
4．4　食品價格分析　66
4．5　灰色關聯分析　67
4．5．1　灰色預測建模　68
4．5．2　食品價格趨勢預測　70
4．6　時間序列指數平滑預測法　76
4．6．1　一次指數平滑預測法　76
4．6．2　二次指數平滑預測法　77
4．6．3　三次指數平滑法　78
4．7　時間序列綫性二次移動平均法　80
4．8　本章小結　85

第5章　基於層次分析法的食堂服務質量評價算法　86
5．1　問題的背景　86
5．2　層次分析法　87
5．2．1　層次分析法的特點　87
5．2．2　層次分析法的應用　87
5．2．3　層次分析法的基本原理與步驟　88
5．2．4　層次分析法應用舉例　92
5．3　學生食堂就餐服務質量滿意度　96
5．3．1　食堂服務質量評價模型基本假設　96
5．3．2　食堂服務質量評價模型分析　96
5．3．3　食堂服務質量評價模型符號說明　97
5．3．4　食堂服務質量評價模型的建立與求解　97
5．4　本章小結　104

第6章　MATLAB優化工具箱的使用　105
6．1　綫性規劃問題　105
6．2　foptions函數　107
6．3　非綫性規劃問題　108
6．3．1　有約束的一元函數的最小值　108
6．3．2　無約束的多元函數最小值　109
6．3．3　有約束的多元函數最小值　111
6．3．4　二次規劃問題　114
6．4　“半無限”有約束的多元函數最優解　117
6．5　極小化極大問題　121
6．6　多目標規劃問題　123
6．7　最小二乘最優問題　126
6．7．1　約束綫性最小二乘　126
6．7．2　非綫性麯綫擬閤　128
6．7．3　非綫性最小二乘　129
6．7．4　非負綫性最小二乘　131
6．8　非綫性方程求解　131
6．8．1　非綫性方程的解　132
6．8．2　非綫性方程組的解　132
6．9　本章小結　134

第7章　基於RBF網絡的優化逼近　135
7．1　RBF神經網絡　135
7．1．1　RBF網絡特點　136
7．1．2　RBF網絡結構　136
7．1．3　RBF網絡的逼近　136
7．2　模糊RBF網絡　140
7．2．1　網絡結構　141
7．2．2　基於模糊RBF網絡的逼近算法　142
7．3　基於遺傳算法的RBF網絡逼近　145
7．4　RBF網絡自校正控製　152
7．4．1　自校正控製算法　153
7．4．2　RBF網絡自校正控製算法　153
7．5　本章小結　157

第8章　自適應模糊控製算法　158
8．1　模糊控製　158
8．1．1　模糊係統的設計　159
8．1．2　模糊係統的逼近精度　159
8．1．3　模糊逼近仿真　160
8．2　間接自適應模糊控製　165
8．2．1　一般模糊係統　166
8．2．2　自適應模糊控製器的設計　167
8．2．3　穩定性分析　167
8．2．4　間接自適應模糊控製仿真　169
8．3　直接自適應模糊控製　175
8．3．1　問題描述　175
8．3．2　控製器的設計　176
8．3．3　自適應律設計　177
8．3．4　直接自適應模糊控製仿真　179
8．4　本章小結　182

第9章　基於PID的控製算法　183
9．1　PID控製原理　183
9．2　專傢PID控製　184
9．3　增量式PID控製算法及其仿真　188
9．4　積分分離式PID控製算法及其仿真　191
9．5　基於卡爾曼濾波器的PID控製　195
9．6　本章小結　203

第10章　基於LQR+PID的倒立擺控製算法　204
10．1　背景　204
10．2　綫性係統　205
10．2．1　狀態空間基本定義　205
10．2．2　狀態空間錶達式　205
10．2．3　係統狀態綫性變換　206
10．2．4　綫性係統的能控性　207
10．3　最優控製　208
10．3．1　綫性二次型控製　208
10．3．2　LQR狀態反饋矩陣求解　210
10．3．3　PID控製　211
10．3．4　PID狀態反饋矩陣求解　212
10．4　倒立擺係統　213
10．4．1　一級倒立擺係統分析　214
10．4．2　利用LQR法設計控製器　215
10．4．3　利用PID法設計控製器　219
10．5　倒立擺係統平衡控製係統設計　220
10．5．1　Simulink設計仿真　220
10．5．2　綫性二次型倒立擺控製　220
10．5．3　PID倒立擺控製　222
10．6　本章小結　223

第11章　基於粒子群算法的尋優計算　224
11．1　基本粒子群算法　224
11．2　粒子群算法的收斂性　227
11．3　粒子群算法函數極值求解　228
11．3．1　一維函數全局最優　229
11．3．2　經典測試函數　231
11．3．3　無約束函數極值尋優　237
11．3．4　有約束函數極值尋優　240
11．3．5　有約束函數極值APSO尋優　243
11．4　MATLAB優化工具箱簡介　248
11．5　本章小結　249

第12章　基本粒子群改進算法分析　250
12．1　基本粒子群算法　250
12．1．1　基本PSO算法　250
12．1．2　PSO算法基本特點　252
12．1．3　基本PSO算法流程　252
12．2　粒子群算法改進　253
12．3　提高粒子群算法效率　254
12．3．1　帶慣性權重的PSO算法　254
12．3．2　權重綫性遞減的PSO算法　255
12．3．3　自適應權重的PSO算法　259
12．3．4　隨機權重策略的PSO算法　260
12．3．5　增加收縮因子的PSO算法　262
12．3．6　其他參數的變化　265
12．4　本章小結　273

第13章　基於免疫算法的物流中心選址　274
13．1　物流中心選址問題　274
13．2　免疫算法的基本思想　275
13．3　基於免疫優化算法的物流中心選址問題求解　276
13．3．1　初始群體的産生　277
13．3．2　解的多樣性評價　277
13．3．3　免疫操作　278
13．3．4　模型求解　279
13．4　本章小結　289

第14章　基於人工免疫的粒子群聚類算法　290
14．1　聚類分析　290
14．2　PSO優化算法分析　291
14．2．1　粒子群優化算法　291
14．2．2　PSO算法改進策略　292
14．3　人工免疫特性分析　292
14．3．1　生物免疫係統及其特性　292
14．3．2　種群分布熵　293
14．3．3　平均粒距　293
14．3．4　精英均值偏差　293
14．4　基於人工免疫的粒子群優化算法　294
14．4．1　PSO函數極值求解　295
14．4．2　粒子群聚類算法理論分析　297
14．4．3　粒子群算法實現流程　299
14．4．4　種群多樣性聚類分析　300
14．5　本章小結　310

第15章　基於ART的植物種類自動分類　311
15．1　ART網絡分類算法簡介　311
15．1．1　人工神經網絡實際應用　311
15．1．2　ART網絡　312
15．2　植物種類自動分類研究　312
15．2．1　植物種類簡介　312
15．2．2　植物分類　313
15．3　基於ART的植物種類數據自動分類研究　313
15．3．1　神經網絡簡介　313
15．3．2　自適應共振理論　315
15．3．3　ART1網絡結構　315
15．3．4　ART1運行過程　317
15．4　本章小結　320

第16章　基於貝葉斯網絡的數據預測　321
16．1　貝葉斯統計方法　321
16．2　貝葉斯預測方法　323
16．3　貝葉斯網絡的數據預測　325
16．4　本章小結　328

第17章　基於遺傳算法的尋優計算　329
17．1　遺傳算法的尋優計算　329
17．2　基於GA的三維麯麵極值尋優　338
17．3　基於GA_PSO算法的尋優計算　345
17．4　本章小結　348

第18章　基於遺傳算法的TSP求解　349
18．1　旅行商問題分析　349
18．1．1　遺傳算法簡介　349
18．1．2　遺傳算法現狀分析　350
18．2　遺傳算法的特點　351
18．3　遺傳算法中各算子的特點　352
18．3．1　選擇算子(selection)　352
18．3．2　交叉算子(crossover)　352
18．3．3　變異算子(mutation)　353
18．4　遺傳算法的基本步驟　353
18．4．1　編碼　354
18．4．2　初始群體的生成　354
18．4．3　雜交　355
18．4．4　適應度值評估檢測　355
18．4．5　選擇　355
18．4．6　變異　355
18．4．7　中止　355
18．5　基於GA的旅行商問題求解　356
18．5．1　TSP問題定義　356
18．5．2　TSP算法框架　356
18．5．3　TSP算法流程框圖　357
18．5．4　固定地圖TSP求解　358
18．5．5　隨機地圖TSP求解　359
18．6　遺傳算法討論　365
18．6．1　編碼錶示　366
18．6．2　適應度函數　366
18．6．3　選擇策略　366
18．6．4　控製參數　366
18．7　本章小結　366

第19章　基於蟻群算法的路徑規劃計算　367
19．1　基於蟻群算法的二維路徑規劃算法　367
19．1．1　MAKLINK圖論　367
19．1．2　蟻群算法理論　368
19．1．3　Dijkstra算法　369
19．1．4　路徑規劃問題分析求解　369
19．2　基於蟻群算法的三維路徑規劃算法　378
19．2．1　三維空間抽象建模　378
19．2．2　三維路徑問題　379
19．2．3　信息素更新　379
19．2．4　可視搜索空間　380
19．2．5　蟻群搜索策略　380
19．2．6　路徑規劃問題分析求解　381
19．3　本章小結　388

第20章　基於蟻群算法的TSP求解　389
20．1　蟻群算法理論研究現狀　389
20．2　蟻群算法的基本原理　391
20．3　基於ACO的TSP求解　394
20．4　基於ACO_PSO的TSP求解　398
20．5　本章小結　408

第21章　基於模擬退火的粒子群算法　409
21．1　基於模擬退火的粒子群算法　409
21．1．1　模擬退火算法的提齣　409
21．1．2　模擬退火算法的步驟　410
21．1．3　模擬退火的粒子群算法　410
21．2　本章小結　416

第22章　基於人群搜索算法的函數優化　417
22．1　SOA算法的基本原理　417
22．1．1　利己行為　417
22．1．2　利他行為　418
22．1．3　預動行為　418
22．1．4　不確定性行為　418
22．2　人群搜索算法　418
22．2．1　搜索步長的確定　419
22．2．2　搜索方嚮的確定　420
22．2．3　搜尋者個體位置的更新　420
22．2．4　算法的實現　420
22．3　基於人群搜索算法的函數優化　421
22．3．1　優化函數的選擇　421
22．3．2　函數優化的結果　421
22．4　本章小結　432

第23章　數控機床進給伺服係統的SOA-PID參數整定　433
23．1　SOA算法在PID控製中的運用　433
23．1．1　PID控製原理　433
23．1．2　PID的離散化處理　434
23．1．3　基於SOA的PID參數整定的基本原理　434
23．2　基於SOA的PID參數整定的設計方案　435
23．2．1　參數的編碼　435
23．2．2　適應度函數的選取　435
23．2．3　算法流程　436
23．2．4　算法實例　436
23．2．5　PID參數整定結果　436
23．3　數控機床進給伺服係統的數學模型　454
23．3．1　數控機床進給伺服係統的PMSM數學模型　454
23．3．2　矢量變換原理　455
23．3．3　Clarke變換　456
23．3．4　Park變換　456
23．3．5　同步鏇轉坐標上的PMSM數學模型　457
23．4　機械參量和負載的摺算　457
23．5　矢量控製和磁場定嚮原理　458
23．5．1　矢量控製原理　459
23．5．2　磁場定嚮原理　459
23．5．3　磁場定嚮(id=0)的控製方式下的PMSM進給伺服係統模型　460
23．5．4　數控機床進給伺服係統數學模型的傳遞函數的錶示　460
23．6　基於SOA算法對數控機床進給伺服係統PID優化　461
23．6．1　適應度函數的選取　461
23．6．2　SOA算法流程　461
23．6．3　PID參數整定結果　461
23．7　本章小結　479

參考文獻　480

前言/序言

MATLAB智能算法超級學習手冊 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

感覺不錯，很好的，努力學習中

評分☆☆☆☆☆

算法知識多而全，挺好的書

評分☆☆☆☆☆

不錯的書，內容挺詳實！

評分☆☆☆☆☆

京東值得信賴，不錯不錯不錯

評分☆☆☆☆☆

包裝好，質量好

評分☆☆☆☆☆

很好的一本書，對我很有用！

評分☆☆☆☆☆

書是正版，內容不錯，好好學習！

評分☆☆☆☆☆

物美價廉，正版書籍，很滿意！

評分☆☆☆☆☆

很有用，從事故障診斷的必須看的書

類似圖書 點擊查看全場最低價