MATLAB智能算法

目錄
第一部分專 題 介 紹
第1章人工智能概述
1.1人工智能的基本概念
1.1.1智能的概念
1．1．2人工智能的概念
1．1．3人工智能的研究目標(biāo)
1．1．4人工智能的研究方法
1．2人工智能的特征
1．3人工智能的應(yīng)用
1．3．1機(jī)器思維
1．3．2機(jī)器感知
1．3．3機(jī)器行為
1．3．4機(jī)器學(xué)習(xí)
1．3．5機(jī)器計(jì)算
1．3．6分布式人工智能
1．3．7機(jī)器系統(tǒng)
1．3．8典型應(yīng)用
1．4本章小結(jié)

第2章神經(jīng)網(wǎng)絡(luò)算法及其MATLAB實(shí)現(xiàn)
2．1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2．1．1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
2．1．2人工神經(jīng)網(wǎng)絡(luò)研究?jī)?nèi)容
2．1．3人工神經(jīng)網(wǎng)絡(luò)研究方向
2．1．4人工神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢(shì)
2．2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)
2．2．1神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2．2．2神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
2．2．3MATLAB在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
2．3MATLAB神經(jīng)網(wǎng)絡(luò)工具箱
2．3．1神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)
2．3．2神經(jīng)網(wǎng)絡(luò)工具箱的圖形用戶界面
2．3．3神經(jīng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)
2．4Simulink神經(jīng)網(wǎng)絡(luò)控制工具箱
2．4．1神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)控制
2．4．2反饋線性化控制
2．4．3模型參考控制
2．5本章小結(jié)

第3章粒子群算法及其MATLAB實(shí)現(xiàn)
3．1粒子群算法基礎(chǔ)
3．1．1粒子群算法的發(fā)展
3．1．2粒子群算法研究?jī)?nèi)容
3．1．3粒子群算法的特點(diǎn)
3．1．4粒子群算法的應(yīng)用
3．2基本粒子群算法
3．2．1基本原理
3．2．2算法構(gòu)成要素
3．2．3算法參數(shù)設(shè)置
3．2．4算法的基本流程
3．2．5算法的MATLAB實(shí)現(xiàn)
3．3MATLAB粒子群工具箱
3．4權(quán)重改進(jìn)的粒子群算法
3．4．1自適應(yīng)權(quán)重法
3．4．2隨機(jī)權(quán)重法
3．4．3線性遞減權(quán)重法
3．5混合粒子群算法
3．5．1基于雜交的算法
3．5．2基于自然選擇的算法
3．5．3基于免疫的粒子群算法
3．5．4基于模擬退火的算法
3．6本章小結(jié)

第4章遺傳算法及其MATLAB實(shí)現(xiàn)
4．1遺傳算法的基本概念
4．1．1算法的基本運(yùn)算
4．1．2遺傳算法的特點(diǎn)
4．1．3遺傳算法中的術(shù)語(yǔ)
4．1．4遺傳算法的發(fā)展現(xiàn)狀
4．1．5遺傳算法的應(yīng)用領(lǐng)域
4．2遺傳算法的原理
4．2．1算法運(yùn)算過程
4．2．2算法編碼
4．2．3適應(yīng)度及初始群體選取
4．3遺傳算法程序設(shè)計(jì)及其MATLAB工具箱
4．3．1程序設(shè)計(jì)
4．3．2算法參數(shù)設(shè)計(jì)原則
4．3．3適應(yīng)度函數(shù)的調(diào)整
4．3．4算法MATLAB工具箱及其應(yīng)用
4．3．5遺傳算法的GUI實(shí)現(xiàn)
4．4遺傳算法的典型應(yīng)用
4．4．1利用遺傳算法求解函數(shù)極值
4．4．2遺傳算法在TSP中的應(yīng)用
4．4．3遺傳算法的求解優(yōu)化
4．5本章小結(jié)

第5章模糊邏輯控制及其MATLAB實(shí)現(xiàn)
5．1模糊邏輯控制基礎(chǔ)
5．1．1模糊邏輯控制的基本概念
5．1．2模糊邏輯控制原理
5．1．3模糊邏輯控制器設(shè)計(jì)的內(nèi)容
5．1．4模糊邏輯控制規(guī)則設(shè)計(jì)
5．1．5模糊邏輯控制系統(tǒng)的應(yīng)用領(lǐng)域
5．2模糊邏輯控制工具箱
5．2．1模糊邏輯控制工具箱的功能特點(diǎn)
5．2．2模糊系統(tǒng)的基本類型
5．2．3模糊邏輯控制系統(tǒng)的構(gòu)成
5．2．4模糊推理系統(tǒng)的建立、修改與存儲(chǔ)管理
5．2．5模糊語(yǔ)言變量及其語(yǔ)言值
5．2．6模糊語(yǔ)言變量的隸屬度函數(shù)
5．2．7模糊規(guī)則的建立與修改
5．2．8模糊推理計(jì)算與去模糊化
5．3模糊邏輯控制工具箱的圖形界面工具
5．3．1FIS編輯器
5．3．2隸屬度函數(shù)編輯器
5．3．3模糊規(guī)則編輯器
5．3．4模糊規(guī)則瀏覽器
5．3．5模糊推理輸入輸出曲面視圖
5．4模糊邏輯控制的經(jīng)典應(yīng)用
5．4．1基于Simulink的模糊邏輯控制應(yīng)用
5．4．2基于模糊邏輯控制的路徑規(guī)劃應(yīng)用
5．5本章小結(jié)

第6章免疫算法及其MATLAB實(shí)現(xiàn)
6.1免疫算法的基本概念
6.1.1生物免疫系統(tǒng)
6.1.2免疫算法基本原理
6.1.3免疫算法步驟和流程
6.1.4免疫系統(tǒng)模型和免疫算法
6.1.5免疫算法特點(diǎn)
6.1.6免疫算法的發(fā)展趨勢(shì)
6.2免疫遺傳算法
6.2.1免疫遺傳算法步驟和流程
6.2.2基于MATLAB實(shí)現(xiàn)免疫遺傳算法
6.3免疫算法的MATLAB應(yīng)用
6.3.1免疫算法在克隆選擇中的應(yīng)用
6.3.2免疫算法在最短路徑規(guī)劃問題中的應(yīng)用
6.3.3免疫算法在TSP中的應(yīng)用
6.3.4免疫算法在故障檢測(cè)中的應(yīng)用
6.4本章小結(jié)

第7章蟻群算法及其MATLAB實(shí)現(xiàn)
7.1蟻群算法概述
7.1.1蟻群算法起源
7.1.2蟻群算法的基本原理
7.1.3自適應(yīng)蟻群算法的介紹
7.1.4蟻群算法實(shí)現(xiàn)的重要規(guī)則
7.1.5蟻群算法的特點(diǎn)
7.1.6蟻群優(yōu)化算法的應(yīng)用
7.2蟻群算法的MATLAB實(shí)現(xiàn)
7.3蟻群算法在MATLAB中的應(yīng)用
7.3.1蟻群算法在路徑規(guī)劃中的應(yīng)用
7.3.2蟻群算法在解決TSP中的應(yīng)用
7.4本章小結(jié)

第8章小波分析算法及其MATLAB實(shí)現(xiàn)
8.1傅里葉變換到小波分析
8.1.1傅里葉變換
8.1.2小波分析
8.2Mallat算法
8.2.1Mallat算法原理
8.2.2常用小波函數(shù)介紹
8.2.3Mallat算法示例
8.3小波GUI簡(jiǎn)介
8.4小波分析用例
8.4.1信號(hào)壓縮
8.4.2信號(hào)去噪
8.4.3分離信號(hào)的不同成分
8.5小波變換在圖像處理中的應(yīng)用
8.5.1小波變換用于圖像壓縮
8.5.2小波在圖像邊緣檢測(cè)的應(yīng)用
8.5.3小波變換在圖像增強(qiáng)方面的應(yīng)用
8.6本章小結(jié)
第二部分綜合實(shí)例應(yīng)用
第9章模糊神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用
9.1模糊神經(jīng)網(wǎng)絡(luò)
9.1.1模糊神經(jīng)網(wǎng)絡(luò)概述
9.1.2模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系
9.1.3典型模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
9.1.4自適應(yīng)模糊神經(jīng)推理系統(tǒng)
9.2模糊神經(jīng)網(wǎng)絡(luò)建模方法
9.3模糊神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用
9.3.1模糊神經(jīng)網(wǎng)絡(luò)在解耦控制中的應(yīng)用
9.3.2模糊神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用
9.4本章小結(jié)

第10章遺傳算法在圖像處理中的應(yīng)用
10.1圖像分割的基礎(chǔ)知識(shí)
10.1.1圖像分割的概念
10.1.2圖像分割的理論
10.1.3灰度門限法簡(jiǎn)介
10.1.4基于最大類間方差圖像分割原理
10.2遺傳算法實(shí)現(xiàn)圖像分割
10.2.1利用遺傳算法實(shí)現(xiàn)圖像分割的原理
10.2.2算法的實(shí)現(xiàn)
10.3遺傳算法在圖像處理中的應(yīng)用
10.3.1基于遺傳算法的道路圖像閾值分割
10.3.2基于遺傳神經(jīng)網(wǎng)絡(luò)的圖像分割
10.3.3應(yīng)用遺傳算法和KSW熵法實(shí)現(xiàn)灰度圖像閾值分割
10.4本章小結(jié)

第11章神經(jīng)網(wǎng)絡(luò)在參數(shù)估計(jì)中的應(yīng)用
11.1參數(shù)估計(jì)的基本知識(shí)
11.1.1參數(shù)估計(jì)的概念
11.1.2點(diǎn)估計(jì)與區(qū)間估計(jì)
11.1.3樣本容量
11.2幾種通用神經(jīng)網(wǎng)絡(luò)MATLAB代碼
11.3神經(jīng)網(wǎng)絡(luò)在參數(shù)估計(jì)中的應(yīng)用
11.3.1神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別中的應(yīng)用
11.3.2灰色神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用
11.3.3BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用
11.3.4概率神經(jīng)網(wǎng)絡(luò)在分類預(yù)測(cè)中的應(yīng)用
11.4本章小結(jié)

第12章基于智能算法的PID控制器設(shè)計(jì)
12.1PID控制器的理論基礎(chǔ)
12.2智能算法在PID控制器設(shè)計(jì)中的應(yīng)用
12.2.1神經(jīng)網(wǎng)絡(luò)在PID控制器設(shè)計(jì)中的應(yīng)用
12.2.2模糊控制在PID控制器設(shè)計(jì)中的應(yīng)用
12.2.3遺傳算法在PID控制器設(shè)計(jì)中的應(yīng)用
12.3本章小結(jié)

第13章智能算法綜合應(yīng)用
13.1模糊神經(jīng)網(wǎng)絡(luò)控制在MATLAB中的應(yīng)用
13.2基于遺傳算法的MP算法的應(yīng)用
13.3本章小結(jié)

參考文獻(xiàn)