鏈接：https://pan.baidu.com/s/1hl3haOw-rSAwDEd8QWEHDg?pwd=mdd1?

提取碼：mdd1

《MATLAB智能算法30個(gè)案例分析（第2版）》是作者多年從事算法研究的經(jīng)驗(yàn)總結(jié).書中所有案例均應(yīng)國內(nèi)各大MATLAB技術(shù)論壇網(wǎng)友的切身需求而精心設(shè)計(jì),其中不少案例所涉及的內(nèi)容和求解方法在國內(nèi)現(xiàn)已出版的　MATLAB書籍中鮮有介紹.

　　《MATLAB智能算法30個(gè)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(jīng)網(wǎng)絡(luò)算法等Z常用的智能算法的MATLAB實(shí)現(xiàn).本書共給出３０個(gè)案例,每個(gè)案例都是一個(gè)使用智能算法解決問題的具體實(shí)例,所有案例均由理論講解、案例背景、MATLAB程序?qū)崿F(xiàn)和擴(kuò)展閱讀四個(gè)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(shí),也可以學(xué)習(xí)到作者們多年積累的編程經(jīng)驗(yàn)與技巧,從而快速提高使用算法求解實(shí)際問題的能力.

　　《MATLAB智能算法30個(gè)案例分析（第2版）》可作為本科畢業(yè)設(shè)計(jì)、研究生項(xiàng)目設(shè)計(jì)、博士低年級(jí)課題設(shè)計(jì)參考書籍,同時(shí)對(duì)廣大科研人員也有很高的參考價(jià)值.

目錄

第1章　謝菲爾德大學(xué)的MATLAB遺傳算法工具箱 1

1.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 3

1.3.1　工具箱結(jié)構(gòu) 3

1.3.2　遺傳算法常用函數(shù) 4

1.3.3　遺傳算法工具箱應(yīng)用舉例 12

1.4　延伸閱讀 16

參考文獻(xiàn) 16

第2章　基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法 17

2.1　理論基礎(chǔ) 17

2.1.1　非線性規(guī)劃 17

2.1.2　非線性規(guī)劃函數(shù) 17

2.1.3　遺傳算法基本思想 18

2.1.4　算法結(jié)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(shí)現(xiàn) 19

2.3　MATLAB程序?qū)崿F(xiàn) 20

2.3.1　適應(yīng)度函數(shù) 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(shù) 23

2.3.6　非線性尋優(yōu) 24

2.3.7　結(jié)果分析 24

2.4　延伸閱讀 25

2.4.1　其他函數(shù)的優(yōu)化 25

2.4.2　其他優(yōu)化算法 26

參考文獻(xiàn) 26

第3章　基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 27

3.1　理論基礎(chǔ) 27

3.1.1　BP神經(jīng)網(wǎng)絡(luò)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?qū)崿F(xiàn) 31

3.3.1　神經(jīng)網(wǎng)絡(luò)算法 31

3.3.2　遺傳算法主函數(shù) 32

3.3.3　比較使用遺傳算法前后的差別 34

3.3.4　結(jié)果分析 35

3.4　延伸閱讀 37

參考文獻(xiàn) 37

第4章　基于遺傳算法的TSP算法 38

4.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 40

4.3.1　種群初始化 40

4.3.2　適應(yīng)度函數(shù) 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(jìn)化逆轉(zhuǎn)操作 43

4.3.7　畫路線軌跡圖 43

4.3.8　遺傳算法主函數(shù) 44

4.3.9　結(jié)果分析 47

4.4　延伸閱讀 48

4.4.1　應(yīng)用擴(kuò)展 48

4.4.2　遺傳算法的改進(jìn) 49

4.4.3　算法的局限性 49

參考文獻(xiàn) 49

第5章　基于遺傳算法的LQR 控制器優(yōu)化設(shè)計(jì) 50

5.1　理論基礎(chǔ) 50

5.1.1　LQR控制 50

5.1.2　基于遺傳算法設(shè)計(jì)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?qū)崿F(xiàn) 53

5.3.1　模型實(shí)現(xiàn) 53

5.3.2　遺傳算法實(shí)現(xiàn) 54

5.3.3　結(jié)果分析 56

參考文獻(xiàn) 56

第6章　遺傳算法工具箱詳解及應(yīng)用 57

6.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 59

6.3.1　GADST各函數(shù)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(guān)問題 66

6.4　延伸閱讀 68

參考文獻(xiàn) 68

第7章　多種群遺傳算法的函數(shù)優(yōu)化算法 69

7.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 71

7.3.1　移民算子 72

7.3.2　人工選擇算子 72

7.3.3　目標(biāo)函數(shù) 73

7.3.4　標(biāo)準(zhǔn)遺傳算法主函數(shù) 73

7.3.5　多種群遺傳算法主函數(shù) 74

7.3.6　結(jié)果分析 75

7.4　延伸閱讀 76

參考文獻(xiàn) 77

第8章　基于量子遺傳算法的函數(shù)尋優(yōu)算法 78

8.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 82

8.3.1　種群初始化 82

8.3.2　測(cè)量函數(shù) 82

8.3.3　量子旋轉(zhuǎn)門函數(shù) 83

8.3.4　適應(yīng)度函數(shù) 84

8.3.5　量子遺傳算法主函數(shù) 85

8.3.6　結(jié)果分析 87

8.4　延伸閱讀 87

參考文獻(xiàn) 88

第9章　基于遺傳算法的多目標(biāo)優(yōu)化算法 89

9.1　理論基礎(chǔ) 89

9.1.1　多目標(biāo)優(yōu)化及Pareto最優(yōu)解 89

9.1.2　函數(shù)gamultiobj 89

9.1.3　函數(shù)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?qū)崿F(xiàn) 91

9.3.1　gamultiobj組織結(jié)構(gòu) 91

9.3.2　函數(shù)stepgamultiobj分析 92

9.3.3　使用函數(shù)gamultiobj求解多目標(biāo)優(yōu)化問題 99

9.3.4　結(jié)果分析 100

參考文獻(xiàn) 101

第10章　基于粒子群算法的多目標(biāo)搜索算法 102

10.1　理論基礎(chǔ) 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(yīng)度計(jì)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　粒子最優(yōu) 104

10.3　MATLAB程序?qū)崿F(xiàn) 104

10.3.1　種群初始化 104

10.3.2　種群更新 104

10.3.3　更新個(gè)體最優(yōu)粒子 105

10.3.4　非劣解篩選 105

10.3.5　仿真結(jié)果 106

10.4　延伸閱讀 107

參考文獻(xiàn) 107

第11章　基于多層編碼遺傳算法的車間調(diào)度算法 108

11.1　理論基礎(chǔ) 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(shí)現(xiàn) 109

11.3　MATLAB程序?qū)崿F(xiàn) 110

11.3.1　主函數(shù) 110

11.3.2　適應(yīng)度值計(jì)算 111

11.3.3　交叉函數(shù) 113

11.3.4　變異函數(shù) 113

11.3.5　仿真結(jié)果 114

11.4　案例擴(kuò)展 115

11.4.1　模糊目標(biāo) 115

11.4.2　代碼分析 116

11.4.3　仿真結(jié)果 117

參考文獻(xiàn) 117

第12章　免疫優(yōu)化算法在物流配送中心選址中的應(yīng)用 118

12.1　理論基礎(chǔ) 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?qū)崿F(xiàn) 122

12.3.1　免疫算法主函數(shù) 122

12.3.2　多樣性評(píng)價(jià) 123

12.3.3　免疫操作 124

12.3.4　仿真實(shí)驗(yàn) 127

12.4　案例擴(kuò)展 128

參考文獻(xiàn) 129

查看全部↓