掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
MATLAB智能算法30個案例分析(2版) 版權信息
- ISBN：9787512414112
- 條形碼：9787512414112 ; 978-7-5124-1411-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
MATLAB智能算法30個案例分析(2版) 本書特色
《MATLAB智能算法30個案例分析（第2版）》是作者多年從事算法研究的經驗總結.書中所有案例均應國內各大MATLAB技術論壇網友的切身需求而精心設計,其中不少案例所涉及的內容和求解方法在國內現已出版的 MATLAB書籍中鮮有介紹.《MATLAB智能算法30個案例分析（第2版）》采用案例形式,以智能算法為主線,講解了遺傳算法、免疫算法、退火算法、粒子群算法、魚群算法、蟻群算法和神經網絡算法等Z常用的智能算法的MATLAB實現.本書共給出３０個案例,每個案例都是一個使用智能算法解決問題的具體實例,所有案例均由理論講解、案例背景、MATLAB程序實現和擴展閱讀四個部分組成,并配有完整的程序源碼和講解視頻,使讀者在掌握算法的同時,也可以學習到作者們多年積累的編程經驗與技巧,從而快速提高使用算法求解實際問題的能力.《MATLAB智能算法30個案例分析（第2版）》可作為本科畢業設計、研究生項目設計、博士低年級課題設計參考書籍,同時對廣大科研人員也有很高的參考價值.
MATLAB智能算法30個案例分析(2版) 內容簡介
《MATLAB智能算法30個案例分析(附光盤第2版)》是作者郁磊、史峰、王輝、胡斐多年從事算法研究的經驗總結。書中所有案例均應國內各大MATLAB技術論壇網友的切身需求而精心設計，其中不少案例所涉及的內容和求解方法在國內現已出版的MATLAB書籍中鮮有介紹。 本書采用案例形式，以智能算法為主線，講解了遺傳算法、免疫算法、退火算法、粒子群算法、魚群算法、蟻群算法和神經網絡算法等*常用的智能算法的MATLAB實現。本書共給出30個案例，每個案例都是一個使用智能算法解決問題的具體實例，所有案例均由理論講解、案例背景、MATLAB程序實現和擴展閱讀四個部分組成，并配有完整的程序源碼和講解視頻，使讀者在掌握算法的同時，也可以學習到作者們多年積累的編程經驗與技巧，從而快速提高使用算法求解實際問題的能力。 本書可作為本科畢業設計、研究生項目設計、博士低年級課題設計參考書籍，同時對廣大科研人員也有很高的參考價值。
MATLAB智能算法30個案例分析(2版) 目錄
第1章 謝菲爾德大學的MATLAB遺傳算法工具箱 1
1.1 理論基礎 1
1.1.1 遺傳算法概述 1
1.1.2 謝菲爾德遺傳算法工具箱 1
1.2 案例背景 3
1.2.1 問題描述 3
1.2.2 解題思路及步驟 3
1.3 MATLAB程序實現 3
1.3.1 工具箱結構 3
1.3.2 遺傳算法常用函數 4
1.3.3 遺傳算法工具箱應用舉例 12
1.4 延伸閱讀 16
參考文獻 16
第2章 基于遺傳算法和非線性規劃的函數尋優算法 17
2.1 理論基礎 17
2.1.1 非線性規劃 17
2.1.2 非線性規劃函數 17
2.1.3 遺傳算法基本思想 18
2.1.4 算法結合思想 18
2.2 案例背景 18
2.2.1 問題描述 18
2.2.2 算法流程 18
2.2.3 遺傳算法實現 19
2.3 MATLAB程序實現 20
2.3.1 適應度函數 20
2.3.2 選擇操作 20
2.3.3 交叉操作 21
2.3.4 變異操作 22
2.3.5 算法主函數 23
2.3.6 非線性尋優 24
2.3.7 結果分析 24
2.4 延伸閱讀 25
2.4.1 其他函數的優化 25
2.4.2 其他優化算法 26
參考文獻 26
第3章 基于遺傳算法的BP神經網絡優化算法 27
3.1 理論基礎 27
3.1.1 BP神經網絡概述 27
3.1.2 遺傳算法的基本要素 27
3.2 案例背景 27
3.2.1 問題描述 27
3.2.2 解題思路及步驟 29
3.3 MATLAB程序實現 31
3.3.1 神經網絡算法 31
3.3.2 遺傳算法主函數 32
3.3.3 比較使用遺傳算法前后的差別 34
3.3.4 結果分析 35
3.4 延伸閱讀 37
參考文獻 37
第4章 基于遺傳算法的TSP算法 38
4.1 理論基礎 38
4.2 案例背景 38
4.2.1 問題描述 38
4.2.2 解決思路及步驟 39
4.3 MATLAB程序實現 40
4.3.1 種群初始化 40
4.3.2 適應度函數 40
4.3.3 選擇操作 41
4.3.4 交叉操作 41
4.3.5 變異操作 43
4.3.6 進化逆轉操作 43
4.3.7 畫路線軌跡圖 43
4.3.8 遺傳算法主函數 44
4.3.9 結果分析 47
4.4 延伸閱讀 48
4.4.1 應用擴展 48
4.4.2 遺傳算法的改進 49
4.4.3 算法的局限性 49
參考文獻 49
第5章 基于遺傳算法的LQR 控制器優化設計 50
5.1 理論基礎 50
5.1.1 LQR控制 50
5.1.2 基于遺傳算法設計LQR控制器 50
5.2 案例背景 51
5.2.1 問題描述 51
5.2.2 解題思路及步驟 52
5.3 MATLAB程序實現 53
5.3.1 模型實現 53
5.3.2 遺傳算法實現 54
5.3.3 結果分析 56
參考文獻 56
第6章 遺傳算法工具箱詳解及應用 57
6.1 理論基礎 57
6.1.1 遺傳算法的一些基本概念 57
6.1.2 遺傳算法與直接搜索工具箱 58
6.2 案例背景 58
6.2.1 問題描述 58
6.2.2 解題思路及步驟 59
6.3 MATLAB程序實現 59
6.3.1 GADST各函數詳解 59
6.3.2 GADST的使用簡介 63
6.3.3 使用GADST求解遺傳算法相關問題 66
6.4 延伸閱讀 68
參考文獻 68
第7章 多種群遺傳算法的函數優化算法 69
7.1 理論基礎 69
7.1.1 遺傳算法早熟問題 69
7.1.2 多種群遺傳算法概述 69
7.2 案例背景 70
7.2.1 問題描述 70
7.2.2 解題思路及步驟 71
7.3 MATLAB程序實現 71
7.3.1 移民算子 72
7.3.2 人工選擇算子 72
7.3.3 目標函數 73
7.3.4 標準遺傳算法主函數 73
7.3.5 多種群遺傳算法主函數 74
7.3.6 結果分析 75
7.4 延伸閱讀 76
參考文獻 77
第8章 基于量子遺傳算法的函數尋優算法 78
8.1 理論基礎 78
8.1.1 量子遺傳算法概述 78
8.1.2 量子比特編碼 78
8.1.3 量子門更新 79
8.2 案例背景 79
8.2.1 問題描述 79
8.2.2 解題思路及步驟 80
8.3 MATLAB程序實現 82
8.3.1 種群初始化 82
8.3.2 測量函數 82
8.3.3 量子旋轉門函數 83
8.3.4 適應度函數 84
8.3.5 量子遺傳算法主函數 85
8.3.6 結果分析 87
8.4 延伸閱讀 87
參考文獻 88
第9章 基于遺傳算法的多目標優化算法 89
9.1 理論基礎 89
9.1.1 多目標優化及Pareto*優解 89
9.1.2 函數gamultiobj 89
9.1.3 函數gamultiobj中的一些基本概念 90
9.2 案例背景 90
9.2.1 問題描述 90
9.2.2 解題思路及步驟 90
9.3 MATLAB程序實現 91
9.3.1 gamultiobj組織結構 91
9.3.2 函數stepgamultiobj分析 92
9.3.3 使用函數gamultiobj求解多目標優化問題 99
9.3.4 結果分析 100
參考文獻 101
第10章 基于粒子群算法的多目標搜索算法 102
10.1 理論基礎 102
10.2 案例背景 102
10.2.1 問題描述 102
10.2.2 算法流程 103
10.2.3 適應度計算 103
10.2.4 篩選非劣解集 103
10.2.5 粒子速度和位置更新 103
10.2.6 粒子*優 104
10.3 MATLAB程序實現 104
10.3.1 種群初始化 104
10.3.2 種群更新 104
10.3.3 更新個體*優粒子 105
10.3.4 非劣解篩選 105
10.3.5 仿真結果 106
10.4 延伸閱讀 107
參考文獻 107
第11章 基于多層編碼遺傳算法的車間調度算法 108
11.1 理論基礎 108
11.2 案例背景 108
11.2.1 問題描述 108
11.2.2 模型建立 108
11.2.3 算法實現 109
11.3 MATLAB程序實現 110
11.3.1 主函數 110
11.3.2 適應度值計算 111
11.3.3 交叉函數 113
11.3.4 變異函數 113
11.3.5 仿真結果 114
11.4 案例擴展 115
11.4.1 模糊目標 115
11.4.2 代碼分析 116
11.4.3 仿真結果 117
參考文獻 117
第12章 免疫優化算法在物流配送中心選址中的應用 118
12.1 理論基礎 118
12.1.1 物流中心選址問題 118
12.1.2 免疫算法的基本思想 118
12.2 案例背景 119
12.2.1 問題描述 119
12.2.2 解題思路及步驟 120
12.3 MATLAB程序實現 122
12.3.1 免疫算法主函數 122
12.3.2 多樣性評價 123
12.3.3 免疫操作 124
12.3.4 仿真實驗 127
12.4 案例擴展 128
參考文獻 129
1.1 理論基礎 1
1.1.1 遺傳算法概述 1
1.1.2 謝菲爾德遺傳算法工具箱 1
1.2 案例背景 3
1.2.1 問題描述 3
1.2.2 解題思路及步驟 3
1.3 MATLAB程序實現 3
1.3.1 工具箱結構 3
1.3.2 遺傳算法常用函數 4
1.3.3 遺傳算法工具箱應用舉例 12
1.4 延伸閱讀 16
參考文獻 16
第2章 基于遺傳算法和非線性規劃的函數尋優算法 17
2.1 理論基礎 17
2.1.1 非線性規劃 17
2.1.2 非線性規劃函數 17
2.1.3 遺傳算法基本思想 18
2.1.4 算法結合思想 18
2.2 案例背景 18
2.2.1 問題描述 18
2.2.2 算法流程 18
2.2.3 遺傳算法實現 19
2.3 MATLAB程序實現 20
2.3.1 適應度函數 20
2.3.2 選擇操作 20
2.3.3 交叉操作 21
2.3.4 變異操作 22
2.3.5 算法主函數 23
2.3.6 非線性尋優 24
2.3.7 結果分析 24
2.4 延伸閱讀 25
2.4.1 其他函數的優化 25
2.4.2 其他優化算法 26
參考文獻 26
第3章 基于遺傳算法的BP神經網絡優化算法 27
3.1 理論基礎 27
3.1.1 BP神經網絡概述 27
3.1.2 遺傳算法的基本要素 27
3.2 案例背景 27
3.2.1 問題描述 27
3.2.2 解題思路及步驟 29
3.3 MATLAB程序實現 31
3.3.1 神經網絡算法 31
3.3.2 遺傳算法主函數 32
3.3.3 比較使用遺傳算法前后的差別 34
3.3.4 結果分析 35
3.4 延伸閱讀 37
參考文獻 37
第4章 基于遺傳算法的TSP算法 38
4.1 理論基礎 38
4.2 案例背景 38
4.2.1 問題描述 38
4.2.2 解決思路及步驟 39
4.3 MATLAB程序實現 40
4.3.1 種群初始化 40
4.3.2 適應度函數 40
4.3.3 選擇操作 41
4.3.4 交叉操作 41
4.3.5 變異操作 43
4.3.6 進化逆轉操作 43
4.3.7 畫路線軌跡圖 43
4.3.8 遺傳算法主函數 44
4.3.9 結果分析 47
4.4 延伸閱讀 48
4.4.1 應用擴展 48
4.4.2 遺傳算法的改進 49
4.4.3 算法的局限性 49
參考文獻 49
第5章 基于遺傳算法的LQR 控制器優化設計 50
5.1 理論基礎 50
5.1.1 LQR控制 50
5.1.2 基于遺傳算法設計LQR控制器 50
5.2 案例背景 51
5.2.1 問題描述 51
5.2.2 解題思路及步驟 52
5.3 MATLAB程序實現 53
5.3.1 模型實現 53
5.3.2 遺傳算法實現 54
5.3.3 結果分析 56
參考文獻 56
第6章 遺傳算法工具箱詳解及應用 57
6.1 理論基礎 57
6.1.1 遺傳算法的一些基本概念 57
6.1.2 遺傳算法與直接搜索工具箱 58
6.2 案例背景 58
6.2.1 問題描述 58
6.2.2 解題思路及步驟 59
6.3 MATLAB程序實現 59
6.3.1 GADST各函數詳解 59
6.3.2 GADST的使用簡介 63
6.3.3 使用GADST求解遺傳算法相關問題 66
6.4 延伸閱讀 68
參考文獻 68
第7章 多種群遺傳算法的函數優化算法 69
7.1 理論基礎 69
7.1.1 遺傳算法早熟問題 69
7.1.2 多種群遺傳算法概述 69
7.2 案例背景 70
7.2.1 問題描述 70
7.2.2 解題思路及步驟 71
7.3 MATLAB程序實現 71
7.3.1 移民算子 72
7.3.2 人工選擇算子 72
7.3.3 目標函數 73
7.3.4 標準遺傳算法主函數 73
7.3.5 多種群遺傳算法主函數 74
7.3.6 結果分析 75
7.4 延伸閱讀 76
參考文獻 77
第8章 基于量子遺傳算法的函數尋優算法 78
8.1 理論基礎 78
8.1.1 量子遺傳算法概述 78
8.1.2 量子比特編碼 78
8.1.3 量子門更新 79
8.2 案例背景 79
8.2.1 問題描述 79
8.2.2 解題思路及步驟 80
8.3 MATLAB程序實現 82
8.3.1 種群初始化 82
8.3.2 測量函數 82
8.3.3 量子旋轉門函數 83
8.3.4 適應度函數 84
8.3.5 量子遺傳算法主函數 85
8.3.6 結果分析 87
8.4 延伸閱讀 87
參考文獻 88
第9章 基于遺傳算法的多目標優化算法 89
9.1 理論基礎 89
9.1.1 多目標優化及Pareto*優解 89
9.1.2 函數gamultiobj 89
9.1.3 函數gamultiobj中的一些基本概念 90
9.2 案例背景 90
9.2.1 問題描述 90
9.2.2 解題思路及步驟 90
9.3 MATLAB程序實現 91
9.3.1 gamultiobj組織結構 91
9.3.2 函數stepgamultiobj分析 92
9.3.3 使用函數gamultiobj求解多目標優化問題 99
9.3.4 結果分析 100
參考文獻 101
第10章 基于粒子群算法的多目標搜索算法 102
10.1 理論基礎 102
10.2 案例背景 102
10.2.1 問題描述 102
10.2.2 算法流程 103
10.2.3 適應度計算 103
10.2.4 篩選非劣解集 103
10.2.5 粒子速度和位置更新 103
10.2.6 粒子*優 104
10.3 MATLAB程序實現 104
10.3.1 種群初始化 104
10.3.2 種群更新 104
10.3.3 更新個體*優粒子 105
10.3.4 非劣解篩選 105
10.3.5 仿真結果 106
10.4 延伸閱讀 107
參考文獻 107
第11章 基于多層編碼遺傳算法的車間調度算法 108
11.1 理論基礎 108
11.2 案例背景 108
11.2.1 問題描述 108
11.2.2 模型建立 108
11.2.3 算法實現 109
11.3 MATLAB程序實現 110
11.3.1 主函數 110
11.3.2 適應度值計算 111
11.3.3 交叉函數 113
11.3.4 變異函數 113
11.3.5 仿真結果 114
11.4 案例擴展 115
11.4.1 模糊目標 115
11.4.2 代碼分析 116
11.4.3 仿真結果 117
參考文獻 117
第12章 免疫優化算法在物流配送中心選址中的應用 118
12.1 理論基礎 118
12.1.1 物流中心選址問題 118
12.1.2 免疫算法的基本思想 118
12.2 案例背景 119
12.2.1 問題描述 119
12.2.2 解題思路及步驟 120
12.3 MATLAB程序實現 122
12.3.1 免疫算法主函數 122
12.3.2 多樣性評價 123
12.3.3 免疫操作 124
12.3.4 仿真實驗 127
12.4 案例擴展 128
參考文獻 129
展開全部
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
山海經
- >
詩經-先民的歌唱
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
名家帶你讀魯迅:朝花夕拾
- >
姑媽的寶刀
本類暢銷
