- 在线时间
- 187 小时
- 最后登录
- 2018-4-5
- 注册时间
- 2014-10-4
- 听众数
- 18
- 收听数
- 19
- 能力
- 120 分
- 体力
- 8639 点
- 威望
- 12 点
- 阅读权限
- 200
- 积分
- 5340
- 相册
- 1
- 日志
- 1
- 记录
- 7
- 帖子
- 439
- 主题
- 115
- 精华
- 0
- 分享
- 2
- 好友
- 69
升级 6.8% TA的每日心情 | 开心 2018-2-7 19:09 |
---|
签到天数: 255 天 [LV.8]以坛为家I 国际赛参赛者 - 自我介绍
- 热爱数学建模
群组: 2014第三期英语写作 群组: 2015年数学中国“建模 群组: 2014美赛讨论 群组: 科技写作基础培训 群组: 2014年美赛冲刺培训 |
《MATLAB智能算法30个案例分析》是作者多年从事算法研究的经验总结。书中所有案例均因国内各大MATLAB技术论坛网友的切身需求而精心设计,其中不少案例所涉及的内容和求解方法在国内现已出版的MATLAB书籍中鲜有介绍。《MATLAB智能算法30个案例分析》采用案例形式,以智能算法为主线,讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。《MATLAB智能算法30个案例分析》共给出30个案例,每个案例都是一个使用智能算法解决问题的具体实例,所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成,并配有完整的原创程序,使读者在掌握算法的同时更能快速提高使用算法求解实际问题的能力。《MATLAB智能算法30个案例分析》可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍,同时对广大科研人员也有很高的参考价值。: ]6 F+ U- r# D2 F
* ~2 \* T/ d1 q1 h+ b- W
0 k( |$ d+ f9 L+ w0 M
) _. y# ?/ N2 s. Z' @编辑推荐9 s) G$ a/ |: P. G6 r6 H$ C8 A
《MATLAB智能算法30个案例分析》是由北京航空航天大学出版社出版的。
6 k/ O* x) m) x6 B" z目录
' Z5 ]$ _/ c5 u& T第1章 谢菲尔德大学的MATLAB遗传算法工具箱
5 I. o$ i, a# `6 I' g9 S% i4 B" V1.1 理论基础3 o$ q* e) i% ^* v2 H
1.1.1 遗传算法概述
$ }4 [8 y. w6 F) n1 a* b1.1.2 谢菲尔德遗传算法工具箱
: S' D' s& k. n$ [+ C2 q1.2 案例背景$ |7 O, x8 D5 |2 P' G
1.2.1 问题描述
! l- y- u; V# Q" t# ^, ~" S1.2.2 解题思路及步骤
3 @2 x1 L" k) k }# R8 H! f1.3 MATLAB程序实现6 j3 d0 U7 n1 v( d; p( z
1.3.1 工具箱结构
) S- P' X' [3 H# x1.3.2 遗传算法常用函数
1 j& r4 T# ?* `( B1 Y; @* t+ V: r5 X1.3.3 遗传算法工具箱应用举例
! }, q" O1 S# u6 A+ d/ Q6 o1.4 延伸阅读6 S4 |) J7 ^9 \5 Y. a# l! p
参考文献
0 B, F# b" V" y9 Y3 B. H
% V8 ]2 ~8 Y6 r/ `, r5 B" y6 S4 h第2章 基于遗传算法和非线性规捌的函数寻优算法
! G' x0 ^1 [3 T" f& I2.1 理论基础% r2 q& U5 _* f$ C
2.1 J1非线性规划
8 r9 |# ~9 `: o K' \4 d2.1.2 非线性规划函数
7 a1 T( h- x# q2.1.3 遗传算法基本思想) Z' l, N( R5 p( R5 f+ O' C$ p
2.1.4 算法结合思想7 F8 h4 i, Z" H$ M [- ]9 B
2.2 案例背景9 @4 P, N. D3 {: N
2.2.1 问题描述3 d" I% L$ n* l n1 z2 i
2.2.2 算法流程, y) I0 w. O4 o4 e0 U
2.2.3 遗传算法实现
% C$ e4 \8 _5 `7 [2 b2.3 MATI。AB程序实现
! B4 v, G' @9 i; A$ t: v( o2.3.1 适应度函数
/ `4 M% c: t7 ?) T$ ]5 S2.3.2 选择操作2 ?( v0 _0 S1 E z$ \& d
2.3.3 交叉操作
1 S0 T4 }% B/ {4 m" I2.3.4 变异操作
8 j. {! A: M, C$ Y2 M4 ^2.3.5 算法主函数" ]$ }: G3 F, c9 Z1 C: g% K
2.3.6 非线性寻优5 s( A) G: F& C9 {* j, r2 Y$ @
2.3.7 结果分析9 A! A4 J" ~3 Q8 c0 y( X- h2 S7 e8 b
2.4 延伸阅读- \% {; r# { m; [5 j8 T
2.4.1 其他函数的优化& a5 R6 `; ?1 V c; L* U
2.4.2 其他优化算法" k: F X% i, c& E: t! ]
参考文献
# g T& x) I. w( O( H# p% {. T% f
第3章 基于遗传算法的BP神经网络优化算法. z& ~7 C6 q" y& N+ P
3.1 理论基础; u' ^% v) u' c0 F) Y4 z
3.1.1 BP神经网络概述/ h' |2 M$ f2 |/ O- x, w9 ]( `; i
3.1.2 遗传算法的基本要素
: l. m( S4 w4 b9 ?: E3.2 案例背景* Y" L* v4 V& d8 N
3.2.1 问题描述
# r9 P7 S8 J3 R" \9 r- e% y3.2.2 解题思路及步骤
, i2 }( T6 n7 v! S3.3 MATLAB程序实现
/ N3 D/ R2 ^) ~; f! ^3.3.1 神经网络算法& a! ^' |9 O& W' T G' D% ]. P: @
3,3,2遗传算法主函数
6 r8 t' i2 l" c; w( W, _/ Y# C3.3.3 比较使用遗传算法前后的差别! V; v1 s! R& b _* q$ v
3.3.4 结果分析
& ^) r8 h% a5 q) p/ q3.4 延伸阅读
+ n! g, Z, O) ]: i: ` F2 V参考文献/ @6 ?; c. n1 Z- D, W: I. p
/ ~! ]# z4 Q, R( @0 ], v7 J& C第4章 基于遗传算法的TsP算法
4 w# N% w& z" z4.1 理论基础
( d% a7 d8 _* e: X u, O5 Z+ h+ j4.2 案例背景
+ ?8 v0 X. h* K* c+ g7 L/ `. X3 Q: X4.2.1 问题描述7 c* _2 R- K+ T- E; l$ F9 b
4.2.2 解决思路及步骤
/ ^5 a3 i* ]3 v3 l9 U4.3 MATI.AB程序实现3 }8 u0 ~) C" V) ~
4.3.1 种群初始化, s$ \- ~! N7 x" B" }' o) K; X9 Y
4.3.2 适应度函数; N0 Y! h) Z- J, Q$ T
4.3.3 选择操作
7 Y, c! B) w/ O' e7 O4.3.4 交叉操作
- q; Q, E$ f# ?' [. p4.3.5 变异操作
2 S' P" o9 X p D" O4.3.6 进化逆转操作
0 E$ _ x1 p w0 H+ Q4.3.7 画路线轨迹图
9 T& ^% U8 C1 {6 S6 T8 `5 w5 b4.3.8 遗传算法主函数2 Y# @7 L6 _2 ~) v
4.3.9 结果分析9 M2 H) _3 @5 U; T
4.4 延伸阅读
4 T9 [! G8 P9 [- Q0 q4.4.1 应用扩展
" C8 }0 t( R5 ]; u" T+ T" x4.4.2 遗传算法的改进, e# ^( Z: j( _% d* ]9 x g
4.4.3 算法的局限性
5 W, `+ l; M: u: E8 K参考文献1 s( f7 R; e4 g u
& t; D5 h4 v2 B* S
第5章 基于遗传算法的LQR控制器优化设计' P) a; E5 c+ ?3 p5 I
5.1 理论基础. L" ^& u" V* U c- ^& q5 }
5.1.1 LQR控制
8 `/ q5 z7 q% l2 ~& i; L! K5.1 1.2 基于遗传算法设计LQR控制器8 [7 S, `$ w+ Y2 x3 h1 @! M: o
5.2 案例背景) o/ h4 R& W$ J
5.2.1 问题描述- P6 m5 N0 v7 \$ f h
5.2.2 解题思路及步骤8 T5 u& K3 u# e( Z( K! k
……
7 q" B- C$ Y% j+ N第6章 遗传算法工具箱详解及应用 x5 X6 B V1 f% H" ~
第7章 多种群遗传算法的函数优化算法& d$ H% N% l2 Z2 a9 r7 S
第8章 基于量子遗传算法的函数寻优算法
1 G! V( v7 F! Y" h1 m X第9章 基于遗传算法的多目标优化算法
) B& ^/ f/ I" a3 x第10章 基于粒子群算法的多目标搜索算法
( I$ Q. l3 o$ a! C; n: p第11章 基于多层编码遗传算法的车间调度算法
p! w- V R- y0 z第12章 免疫优化算法在物流配送中心选址中的应用, g' c% h4 G; `1 a3 y) i
第13章 粒子群算法的寻优算法
& T$ }, |- {# z9 f第14章 基于粒子群算法的PID控制器优化设计- |! p- a, h6 ~( v8 |/ C7 Z, U
第15章 基于混合粒子群算法的TSP搜索算法”
6 m! B7 o* h3 y3 U第16章 基于动态粒子群算法的动态环境寻优算法
0 {$ j' v8 ^/ ?4 G. c第17章 基于PSO工具箱的函数寻优算法
6 F% ?( y8 T# o6 v8 Y9 [# b第18章 基于鱼群算法的函数寻优算法2 D' _7 r# o2 G* \: D" D
第19章 基于模拟退火算法的TSP算法
% \( S& `/ ? u F9 U5 ?) T+ ~第20章 基于遗传模拟退火算法的聚类算法
5 h! {5 y+ V" c6 {: q4 b第21章 模拟退火算法工具箱及应用) A; C6 p/ G' }# Y# m8 d+ g
第22章 蚁群算法的优化计算——旅行商问题(TSP)优化 o, J( A5 ? s* Y7 _
第23章 基于蚁群算法的二维路径规划算法: w- ]5 H+ h9 u I+ [8 J3 k
第24章 基于蚁群算法的三维路径规划算法# J5 z, W* k3 V5 b9 h- Z0 }! `7 e' |
第25章 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
5 p s4 @: [; o9 P( J/ @/ M第26章 有导师学习神经网络的分类——鸢尾花种类识别6 z$ P9 }8 B5 ^- w5 S# Q
第27章 无导师学习神经网络的分类——矿井突水水源判别
! }$ Q9 h+ X- K, g+ n% g F第28章 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断3 Q9 @/ F+ O5 p9 g4 B9 V
第29章 支持向量机的回归拟合——混凝土抗压强度预测5 F) H) \9 g. O: `
第30章 极限学习机的回归拟合及分类——对比实验研究
. [2 h/ F5 A- X参考文献; T% S# l* z. C I' d1 Q4 I! ]
, q6 S) F7 t+ N ]9 [' E$ x链接:http://pan.baidu.com/s/1sjuK6KH 密码:9j13
% C/ R. P+ {; H9 `4 `
8 n3 }# d3 u: ?2 T( u |
zan
|