中圖網小程序
一鍵登錄
更方便
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
MATLAB智能算法超級學習手冊 版權信息
- ISBN：9787115348791
- 條形碼：9787115348791 ; 978-7-115-34879-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
MATLAB智能算法超級學習手冊 本書特色
1.工程軟件應用精解，內容源于作者多年工作經驗的結晶，無論是從案例的選擇、講解的詳細程度、書中涉及的專業知識等各方面均充分考慮到讀者的喜好。
2.由淺入深，循序漸進：本書以MATLAB愛好者為對象，從MATLAB使用基礎講起，再輔以MATLAB智能算法在工程中的應用案例，幫助讀者盡快掌握MATLAB進行智能算法學習和開發。
3.步驟詳盡、內容新穎：本書結合作者多年MATLAB使用經驗與實際工程應用案例，將MATLAB軟件的使用方法與技巧詳細地講解給讀者。本書在智能算法講解過程中，步驟詳盡，講解過程輔以相應的流程圖，使讀者在閱讀時一目了然，從而快速掌握書中所講內容。
4.實例常見，輕松易學：通過學習實際工程應用案例，運用智能算法進行操作求解，是掌握MATLAB智能算法編程應用的好方式。本書通過綜合應用案例，透徹詳盡地講解了MATLAB在智能算法的應用研究。
MATLAB智能算法超級學習手冊 內容簡介
MATLAB為廣大科研工作者的推薦工具之一，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》基于MATLABR2013a軟件，系統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控制算法、神經網絡算法等。智能算法對于很多新手而言，有一定的困難，很難理解程序流程、數據的運算過程，因此給實際應用帶來困難。本書將圍繞智能算法展開綜述，深入淺出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！禡ATLAB智能算法超級學習手冊》以工程應用為目標，深入淺出，實例引導，講解詳實，適合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。
MATLAB智能算法超級學習手冊 目錄
目 錄
第 1章 MATLAB基礎知識 1
1.1 MATLAB簡介 1
1.2 矩陣的表示 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 質點系的轉動慣量問題 10
1.3.2 油罐剩余油量體積的求解 10
1.3.3 光的反射定理的論證 12
1.4 線性方程組的求解 14
1.4.1 齊次線性方程組的通解 14
1.4.2 非齊次線性方程組的通解 15
1.4.3 線性方程組的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 航行區域警示線模型 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 基于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 問題的提出 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 基于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 時間序列線性二次移動平均法 80
4.8 本章小結 85
第5章 基于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 線性規劃問題 105
6.2 foptions函數 107
6.3 非線性規劃問題 108
6.3.1 有約束的一元函數的**小值 108
6.3.2 無約束的多元函數**小值 109
6.3.3 有約束的多元函數**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**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 **小二乘**優問題 126
6.7.1 約束線性**小二乘 126
6.7.2 非線性曲線擬合 128
6.7.3 非線性**小二乘 129
6.7.4 非負線性**小二乘 131
6.8 非線性方程求解 131
6.8.1 非線性方程的解 132
6.8.2 非線性方程組的解 132
6.9 本章小結 134
第7章 基于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 基于模糊RBF網絡的逼近算法 142
7.3 基于遺傳算法的RBF網絡逼近 145
7.4 RBF網絡自校正控制 152
7.4.1 自校正控制算法 153
7.4.2 RBF網絡自校正控制算法 153
7.5 本章小結 157
第8章 自適應模糊控制算法 158
8.1 模糊控制 158
8.1.1 模糊系統的設計 159
8.1.2 模糊系統的逼近精度 159
8.1.3 模糊逼近仿真 160
8.2 間接自適應模糊控制 165
8.2.1 一般模糊系統 166
8.2.2 自適應模糊控制器的設計 167
8.2.3 穩定性分析 167
8.2.4 間接自適應模糊控制仿真 169
8.3 直接自適應模糊控制 175
8.3.1 問題描述 175
8.3.2 控制器的設計 176
8.3.3 自適應律設計 177
8.3.4 直接自適應模糊控制仿真 179
8.4 本章小結 182
第9章 基于PID的控制算法 183
9.1 PID控制原理 183
9.2 專家PID控制 184
9.3 增量式PID控制算法及其仿真 188
9.4 積分分離式PID控制算法及其仿真 191
9.5 基于卡爾曼濾波器的PID控制 195
9.6 本章小結 203
第 10章 基于LQR PID的倒立擺控制算法 204
10.1 背景 204
10.2 線性系統 205
10.2.1 狀態空間基本定義 205
10.2.2 狀態空間表達式 205
10.2.3 系統狀態線性變換 206
10.2.4 線性系統的能控性 207
10.3 **優控制 208
10.3.1 線性二次型控制 208
10.3.2 LQR狀態反饋矩陣求解 210
10.3.3 PID控制 211
10.3.4 PID狀態反饋矩陣求解 212
10.4 倒立擺系統 213
10.4.1 一級倒立擺系統分析 214
10.4.2 利用LQR法設計控制器 215
10.4.3 利用PID法設計控制器 219
10.5 倒立擺系統平衡控制系統設計 220
10.5.1 Simulink設計仿真 220
10.5.2 線性二次型倒立擺控制 220
10.5.3 PID倒立擺控制 222
10.6 本章小結 223
第 11章 基于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**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 權重線性遞減的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 基于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 基于免疫優化算法的物流中心選址問題求解 276
13.3.1 初始群體的產生 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 基于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 生物免疫系統及其特性 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 基于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 基于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 基于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 基于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 基于遺傳算法的尋優計算 329
17.1 遺傳算法的尋優計算 329
17.2 基于GA的三維曲面極值尋優 338
17.3 基于GA_PSO算法的尋優計算 345
17.4 本章小結 348
第 18章 基于遺傳算法的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 基于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 編碼表示 366
18.6.2 適應度函數 366
18.6.3 選擇策略 366
18.6.4 控制參數 366
18.7 本章小結 366
第 19章 基于蟻群算法的路徑規劃計算 367
19.1 基于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 基于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 基于蟻群算法的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 基于ACO的TSP求解 394
20.4 基于ACO_PSO的TSP求解 398
20.5 本章小結 408
第 21章 基于模擬退火的粒子群算法 409
21.1 基于模擬退火的粒子群算法 409
21.1.1 模擬退火算法的提出 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 基于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 搜索方向的確定 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 基于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 數控機床進給伺服系統的SOA-PID參數整定 433
23.1 SOA算法在PID控制中的運用 433
23.1.1 PID控制原理 433
23.1.2 PID的離散化處理 434
23.1.3 基于SOA的PID參數整定的基本原理 434
23.2 基于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 數控機床進給伺服系統的數學模型 454
23.3.1 數控機床進給伺服系統的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 同步旋轉坐標上的PMSM數學模型 457
23.4 機械參量和負載的折算 457
23.5 矢量控制和磁場定向原理 458
23.5.1 矢量控制原理 459
23.5.2 磁場定向原理 459
23.5.3 磁場定向(id=0)的控制方式下的PMSM進給伺服系統模型 460
23.5.4 數控機床進給伺服系統數學模型的傳遞函數的表示 460
23.6 基于SOA算法對數控機床進給伺服系統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
第 1章 MATLAB基礎知識 1
1.1 MATLAB簡介 1
1.2 矩陣的表示 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 質點系的轉動慣量問題 10
1.3.2 油罐剩余油量體積的求解 10
1.3.3 光的反射定理的論證 12
1.4 線性方程組的求解 14
1.4.1 齊次線性方程組的通解 14
1.4.2 非齊次線性方程組的通解 15
1.4.3 線性方程組的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 航行區域警示線模型 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 基于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 問題的提出 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 基于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 時間序列線性二次移動平均法 80
4.8 本章小結 85
第5章 基于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 線性規劃問題 105
6.2 foptions函數 107
6.3 非線性規劃問題 108
6.3.1 有約束的一元函數的**小值 108
6.3.2 無約束的多元函數**小值 109
6.3.3 有約束的多元函數**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**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 **小二乘**優問題 126
6.7.1 約束線性**小二乘 126
6.7.2 非線性曲線擬合 128
6.7.3 非線性**小二乘 129
6.7.4 非負線性**小二乘 131
6.8 非線性方程求解 131
6.8.1 非線性方程的解 132
6.8.2 非線性方程組的解 132
6.9 本章小結 134
第7章 基于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 基于模糊RBF網絡的逼近算法 142
7.3 基于遺傳算法的RBF網絡逼近 145
7.4 RBF網絡自校正控制 152
7.4.1 自校正控制算法 153
7.4.2 RBF網絡自校正控制算法 153
7.5 本章小結 157
第8章 自適應模糊控制算法 158
8.1 模糊控制 158
8.1.1 模糊系統的設計 159
8.1.2 模糊系統的逼近精度 159
8.1.3 模糊逼近仿真 160
8.2 間接自適應模糊控制 165
8.2.1 一般模糊系統 166
8.2.2 自適應模糊控制器的設計 167
8.2.3 穩定性分析 167
8.2.4 間接自適應模糊控制仿真 169
8.3 直接自適應模糊控制 175
8.3.1 問題描述 175
8.3.2 控制器的設計 176
8.3.3 自適應律設計 177
8.3.4 直接自適應模糊控制仿真 179
8.4 本章小結 182
第9章 基于PID的控制算法 183
9.1 PID控制原理 183
9.2 專家PID控制 184
9.3 增量式PID控制算法及其仿真 188
9.4 積分分離式PID控制算法及其仿真 191
9.5 基于卡爾曼濾波器的PID控制 195
9.6 本章小結 203
第 10章 基于LQR PID的倒立擺控制算法 204
10.1 背景 204
10.2 線性系統 205
10.2.1 狀態空間基本定義 205
10.2.2 狀態空間表達式 205
10.2.3 系統狀態線性變換 206
10.2.4 線性系統的能控性 207
10.3 **優控制 208
10.3.1 線性二次型控制 208
10.3.2 LQR狀態反饋矩陣求解 210
10.3.3 PID控制 211
10.3.4 PID狀態反饋矩陣求解 212
10.4 倒立擺系統 213
10.4.1 一級倒立擺系統分析 214
10.4.2 利用LQR法設計控制器 215
10.4.3 利用PID法設計控制器 219
10.5 倒立擺系統平衡控制系統設計 220
10.5.1 Simulink設計仿真 220
10.5.2 線性二次型倒立擺控制 220
10.5.3 PID倒立擺控制 222
10.6 本章小結 223
第 11章 基于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**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 權重線性遞減的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 基于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 基于免疫優化算法的物流中心選址問題求解 276
13.3.1 初始群體的產生 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 基于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 生物免疫系統及其特性 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 基于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 基于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 基于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 基于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 基于遺傳算法的尋優計算 329
17.1 遺傳算法的尋優計算 329
17.2 基于GA的三維曲面極值尋優 338
17.3 基于GA_PSO算法的尋優計算 345
17.4 本章小結 348
第 18章 基于遺傳算法的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 基于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 編碼表示 366
18.6.2 適應度函數 366
18.6.3 選擇策略 366
18.6.4 控制參數 366
18.7 本章小結 366
第 19章 基于蟻群算法的路徑規劃計算 367
19.1 基于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 基于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 基于蟻群算法的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 基于ACO的TSP求解 394
20.4 基于ACO_PSO的TSP求解 398
20.5 本章小結 408
第 21章 基于模擬退火的粒子群算法 409
21.1 基于模擬退火的粒子群算法 409
21.1.1 模擬退火算法的提出 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 基于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 搜索方向的確定 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 基于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 數控機床進給伺服系統的SOA-PID參數整定 433
23.1 SOA算法在PID控制中的運用 433
23.1.1 PID控制原理 433
23.1.2 PID的離散化處理 434
23.1.3 基于SOA的PID參數整定的基本原理 434
23.2 基于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 數控機床進給伺服系統的數學模型 454
23.3.1 數控機床進給伺服系統的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 同步旋轉坐標上的PMSM數學模型 457
23.4 機械參量和負載的折算 457
23.5 矢量控制和磁場定向原理 458
23.5.1 矢量控制原理 459
23.5.2 磁場定向原理 459
23.5.3 磁場定向(id=0)的控制方式下的PMSM進給伺服系統模型 460
23.5.4 數控機床進給伺服系統數學模型的傳遞函數的表示 460
23.6 基于SOA算法對數控機床進給伺服系統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
展開全部
MATLAB智能算法超級學習手冊 作者簡介
MATLAB技術聯盟高飛，長期從事信息處理等相關工作，熟悉MATLAB等工程軟件，在國內外期刊發表論文多篇。
書友推薦
- >
姑媽的寶刀
- >
羅庸西南聯大授課錄
- >
月亮與六便士
- >
名家帶你讀魯迅:故事新編
- >
龍榆生：詞曲概論/大家小書
- >
煙與鏡
- >
山海經
- >
二體千字文
本類暢銷
