matlab智能算法30个案例分析第二版pdf免费完整版|百度网盘下载

编辑评论：

《MATLAB智能算法分析30个案例（第二版）》可作为本科毕业设计、研究生项目设计、低层次博士项目设计的参考书，对科研人员也有较高的参考价值。

简介

《MATLAB智能算法30案例分析（第二版）》采用案例的形式，以智能算法为主线，讲解遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和 MATLAB 实现最常用的智能算法，如神经网络算法。 《MATLAB智能算法30个案例分析（第2版）》一共给出了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例子，所有案例都有理论讲解、案例背景、MATLAB程序实现和延伸阅读由四部分组成，并配有完整的程序源代码和讲解视频，让读者在掌握算法的同时，学习作者多年积累的编程经验和技巧，从而快速提高使用算法的能力解决实际问题。

Matlab智能算法30个案例分析pdf预览

图书目录

第 1 章谢菲尔德大学的 MATLAB 遗传算法工具箱 1

1.1 理论基础1

1.1.1 遗传算法概述1

1.1.2 谢菲尔德遗传算法工具箱1

1.2 案例背景3

1.2.1 问题描述3

1.2.2 解决问题的思路和步骤 3

1.3 MATLAB程序实现3

1.3.1 工具箱结构3

1.3.2 遗传算法的常用函数4

1.3.3 遗传算法工具箱应用实例12

1.4 延伸阅读 16

参考 16

第2章基于遗传算法和非线性规划的函数优化算法17

2.1 理论基础17

2.1.1 非线性规划 17

2.1.2 非线性规划函数 17

2.1.3 遗传算法基本思想18

2.1.4 算法结合思想18

2.2 案例背景18

2.2.1 问题描述18

2.2.2 算法流程18

2.2.3 遗传算法实现19

2.3 MATLAB程序实现20

2.3.1 适应度函数 20

2.3.2 选择操作 20

2.3.3 跨界 21

2.3.4 变异操作22

2.3.5 算法主函数23

2.3.6 非线性优化 24

2.3.7 结果分析 24

2.4 延伸阅读 25

2.4.1 其他功能的优化 25

2.4.2 其他优化算法26

参考 26

第三章基于遗传算法的BP神经网络优化算法27

3.1 理论基础27

3.1.1 BP神经网络概述27

3.1.2 遗传算法的基本要素 27

3.2 案例背景 27

3.2.1 问题描述27

3.2.2 解决问题的思路和步骤 29

3.3 MATLAB程序实现31

3.3.1 神经网络算法31

3.3.2 遗传算法主函数32

3.3.3 比较使用遗传算法前后的差异34

3.3.4 结果分析 35

3.4 延伸阅读 37

参考 37

第四章基于遗传算法的TSP算法38

4.1 理论基础38

4.2 案例背景 38

4.2.1 问题描述38

4.2.2 解决方案和步骤 39

4.3 MATLAB程序实现40

4.3.1 种群初始化 40

4.3.2 适应度函数 40

4.3.3 选择动作 41

4.3.4 跨界 41

4.3.5 变异操作 43

4.3.6 进化逆转操作 43

4.3.7 绘制路线图43

4.3.8 遗传算法主函数44

4.3.9 结果分析 47

4.4 延伸阅读 48

4.4.1 应用程序扩展 48

4.4.2 遗传算法的改进49

4.4.3 算法的局限性 49

参考 49

第五章基于遗传算法的LQR控制器优化设计50

5.1 理论基础50

5.1.1 LQR 控制 50

5.1.2 基于遗​​传算法设计LQR控制器50

5.2 案例背景 51

5.2.1 问题描述51

5.2.2 解决问题的思路和步骤 52

5.3 MATLAB程序实现53

5.3.1 模型实现 53

5.3.2 遗传算法实现 54

5.3.3 结果分析 56

参考 56

第六章遗传算法工具箱详解及应用57

6.1 理论基础57

6.1.1 遗传算法的一些基本概念57

6.1.2 遗传算法和直接搜索工具箱 58

6.2 案例背景 58

6.2.1 问题描述58

6.2.2 解决问题的思路和步骤 59

6.3 MATLAB程序实现59

6.3.1 GADST函数详解59

6.3.2 GADST 63 的使用介绍

6.3.3 使用GADST解决遗传算法相关问题66

6.4 延伸阅读 68

参考文献 68

第7章多种群遗传算法的函数优化算法69

7.1 理论基础69

7.1.1 遗传算法早熟问题 69

7.1.2 多种群遗传算法概述 69

7.2 案例背景 70

7.2.1 问题描述70

7.2.2 解决问题的思路和步骤 71

7.3 MATLAB程序实现71

7.3.1 移民运营商 72

7.3.2 手动选择运算符 72

7.3.3 目标函数 73

7.3.4 标准遗传算法主函数 73

7.3.5 多种群遗传算法的主要功能74

7.3.6 结果分析 75

7.4 延伸阅读 76

参考 77

第8章基于量子遗传算法的函数优化算法78

8.1 理论基础78

8.1.1 量子遗传算法概述 78

8.1.2 量子位编码 78

8.1.3 量子门更新 79

8.2 案例背景 79

8.2.1 问题描述79

8.2.2 解决问题的思路和步骤 80

8.3 MATLAB程序实现82

8.3.1 种群初始化 82

8.3.2 测量函数 82

8.3.3 量子旋转门函数83

8.3.4 适应度函数 84

8.3.5 量子遗传算法主函数85

8.3.6 结果分析 87

8.4 进一步阅读 87

参考文献 88

第9章基于遗传算法的多目标优化算法89

9.1 理论基础89

9.1.1 多目标优化和帕累托最优解89

9.1.2 函数 gamultiobj 89

9.1.3 函数gamultiobj 90中的一些基本概念

9.2 案例背景 90

9.2.1 问题描述90

9.2.2 解决问题的思路和步骤 90

9.3 MATLAB程序实现91

9.3.1 gamultiobj组织结构91

9.3.2 函数stepgamultiobj分析92

9.3.3 使用函数gamultiobj解决多目标优化问题99

9.3.4 结果分析 100

参考 101

第10章基于粒子群优化的多目标搜索算法102

10.1 理论基础102

10.2 案例背景 102

10.2.1 问题描述102

10.2.2 算法流程103

10.2.3 适应度计算 103

10.2.4 筛选非劣解集103

10.2.5 粒子速度和位置更新 103

10.2.6 粒子最优104

10.3 MATLAB程序实现104

10.3.1 种群初始化 104

10.3.2 人口更新 104

10.3.3 更新个体最优粒子 105

10.3.4 非劣解105的筛选

10.3.5 模拟结果 106

10.4 进一步阅读 107

 

文件目录

/bk41.net共享/matlab智能算法30个案例
| ├──MATLAB智能算法30个案例分析_史峰，王辉编著_.pdf 49.0MB