MATLAB智能算法（第2版）

第一部分基礎知識
第1章人工智能概述3
1.1人工智能基本概念3
1.1.1智能的概念3
1.1.2人工智能的概念5
1.1.3人工智能的研究目標6
1.1.4人工智能的研究方法6
1.1.5人工智能的特征8
1.2人工智能的應用9
1.2.1機器思維9
1.2.2機器感知10
1.2.3機器行為11
1.2.4機器學習12
1.2.5機器計算12
1.3分布式人工智能13
1.3.1機器系統(tǒng)14
1.3.2典型應用14
1.4本章小結(jié)15
第2章初識MATLAB16
2.1MATLAB工作環(huán)境16
2.1.1操作界面簡介16
2.1.2命令行窗口17
2.1.3命令歷史記錄19
2.1.4當前文件夾和路徑管理20
2.1.5搜索路徑21
2.1.6“工作區(qū)”窗口和數(shù)組編輯器23
2.1.7變量的編輯命令24
2.1.8存取數(shù)據(jù)文件25
2.2MATLAB基本概念26
2.2.1數(shù)據(jù)類型概述26
2.2.2整數(shù)型26
14MATLAB智能算法（第2版）
2.2.3浮點數(shù)型28
2.2.4復數(shù)30
2.2.5無窮量和非數(shù)值量31
2.2.6數(shù)據(jù)顯示格式31
2.2.7數(shù)據(jù)類型函數(shù)32
2.2.8常量與變量32
2.2.9標量、向量、矩陣和數(shù)組33
2.2.10字符串34
2.2.11算術運算符35
2.2.12命令、函數(shù)、表達式和語句36
2.3MATLAB幫助系統(tǒng)36
2.3.1純文本幫助37
2.3.2幫助導航37
2.3.3示例幫助38
2.4本章小結(jié)38
第3章MATLAB基礎39
3.1數(shù)組.39
3.1.1數(shù)組的定義39
3.1.2數(shù)組的創(chuàng)建39
3.1.3多維數(shù)組及其操作47
3.2矩陣.51
3.2.1實數(shù)值矩陣輸入51
3.2.2復數(shù)矩陣輸入51
3.2.3符號矩陣的生成52
3.2.4大矩陣的生成53
3.2.5矩陣的數(shù)學函數(shù)53
3.3符號運算58
3.3.1符號對象58
3.3.2符號變量60
3.3.3符號表達式及函數(shù)61
3.3.4符號變量代換63
3.3.5符號對象轉(zhuǎn)換為數(shù)值對象64
3.3.6符號表達式的化簡.65
3.3.7符號運算的其他函數(shù)67
3.3.8兩種特定的符號函數(shù)運算69
3.4關系運算和邏輯運算70
3.4.1關系運算70
3.4.2邏輯運算71
3.4.3常用函數(shù)74
目錄15
3.4.4運算符的優(yōu)先級75
3.5本章小結(jié)75
第4章程序設計76
4.1自頂向下的程序設計方法76
4.2分支結(jié)構(gòu)79
4.2.1if分支結(jié)構(gòu)79
4.2.2switch分支結(jié)構(gòu)80
4.3循環(huán)結(jié)構(gòu)81
4.3.1while循環(huán)結(jié)構(gòu)81
4.3.2for循環(huán)結(jié)構(gòu)82
4.3.3控制程序的其他命令83
4.4程序調(diào)試和優(yōu)化87
4.4.1程序調(diào)試命令87
4.4.2程序常見的錯誤類型87
4.4.3效率優(yōu)化91
4.4.4內(nèi)存優(yōu)化91
4.5本章小結(jié)93
第二部分算法專題
第5章遺傳算法97
5.1遺傳算法基礎97
5.1.1算法基本運算97
5.1.2遺傳算法的特點98
5.1.3遺傳算法中的術語98
5.1.4遺傳算法發(fā)展現(xiàn)狀99
5.1.5遺傳算法的應用領域100
5.2遺傳算法原理100
5.2.1算法運算過程100
5.2.2算法編碼103
5.2.3適應度及初始群體選取103
5.2.4算法參數(shù)設計原則104
5.2.5適應度函數(shù)的調(diào)整104
5.2.6程序設計105
5.3遺傳算法典型應用109
5.3.1求函數(shù)極值109
5.3.2旅行商問題121
5.3.3基于遺傳算法的MP算法的應用127
5.4遺傳算法工具箱132
16MATLAB智能算法（第2版）
5.4.1工具箱命令方式調(diào)用133
5.4.2遺傳算法App調(diào)用135
5.4.3遺傳算法的優(yōu)化138
5.5本章小結(jié).145
第6章免疫算法146
6.1免疫算法基本概念146
6.1.1生物免疫系統(tǒng)146
6.1.2免疫算法基本原理147
6.1.3免疫算法步驟和流程148
6.1.4免疫系統(tǒng)模型和免疫算法149
6.1.5免疫算法特點150
6.1.6免疫算法的發(fā)展趨勢150
6.2免疫遺傳算法151
6.2.1免疫遺傳算法步驟和流程.151
6.2.2免疫遺傳算法MATLAB實現(xiàn)151
6.3免疫算法的應用159
6.3.1免疫算法在克隆選擇中的應用159
6.3.2免疫算法在最短路徑規(guī)劃中的應用163
6.3.3免疫算法在TSP中的應用167
6.3.4免疫算法在故障檢測中的應用173
6.4本章小結(jié)180
第7章蟻群算法181
7.1蟻群算法概述181
7.1.1蟻群算法的起源181
7.1.2蟻群算法的基本原理182
7.1.3自適應蟻群算法185
7.1.4蟻群算法實現(xiàn)的重要規(guī)則.186
7.1.5蟻群算法的特點186
7.1.6蟻群算法的發(fā)展與應用187
7.2蟻群算法MATLAB實現(xiàn)188
7.3蟻群算法的應用190
7.3.1蟻群算法在路徑規(guī)劃中的應用190
7.3.2蟻群算法在TSP中的應用203
7.4本章小結(jié)207
第8章粒子群算法208
8.1粒子群算法基礎208
8.1.1粒子群算法的起源208
8.1.2粒子群算法的發(fā)展趨勢209
8.1.3粒子群算法的特點209
目錄17
8.1.4粒子群算法的應用210
8.2基本粒子群算法211
8.2.1基本原理211
8.2.2算法構(gòu)成要素212
8.2.3算法參數(shù)設置212
8.2.4算法基本流程213
8.2.5MATLAB實現(xiàn)213
8.3權重改進的粒子群算法219
8.3.1自適應權重法219
8.3.2隨機權重法222
8.3.3線性遞減權重法224
8.4混合粒子群算法226
8.4.1基于雜交的混合粒子群算法226
8.4.2基于自然選擇的混合粒子群算法229
8.4.3基于免疫的混合粒子群算法231
8.4.4基于模擬退火的混合粒子群算法235
8.5本章小結(jié).237
第9章小波分析238
9.1傅里葉變換到小波分析.238
9.1.1傅里葉變換.238
9.1.2小波分析240
9.2Mallat算法242
9.2.1Mallat算法原理242
9.2.2常用小波函數(shù)介紹244
9.2.3Mallat算法示例245
9.3小波分析在信號處理中的應用248
9.3.1信號壓縮248
9.3.2信號去噪249
9.3.3信號分離252
9.4小波變換在圖像處理中的應用255
9.4.1圖像壓縮255
9.4.2圖像邊緣檢測259
9.4.3圖像增強260
9.5小波App簡介.262
9.6本章小結(jié).266
第10章神經(jīng)網(wǎng)絡算法267
10.1神經(jīng)網(wǎng)絡基礎267
10.1.1人工神經(jīng)網(wǎng)絡的發(fā)展267
10.1.2人工神經(jīng)網(wǎng)絡研究內(nèi)容268
18MATLAB智能算法（第2版）
10.1.3人工神經(jīng)網(wǎng)絡研究方向268
10.1.4人工神經(jīng)網(wǎng)絡發(fā)展趨勢269
10.2神經(jīng)網(wǎng)絡的結(jié)構(gòu)及學習271
10.2.1神經(jīng)網(wǎng)絡結(jié)構(gòu)271
10.2.2神經(jīng)網(wǎng)絡學習272
10.2.3MATLAB在神經(jīng)網(wǎng)絡中的應用285
10.3神經(jīng)網(wǎng)絡工具箱288
10.3.1神經(jīng)網(wǎng)絡工具箱函數(shù)288
10.3.2神經(jīng)網(wǎng)絡工具箱App305
10.3.3神經(jīng)網(wǎng)絡的MATLAB實現(xiàn)310
10.4Simulink神經(jīng)網(wǎng)絡控制工具箱325
10.4.1神經(jīng)網(wǎng)絡模型預測控制325
10.4.2反饋線性化控制328
10.4.3模型參考控制.330
10.5本章小結(jié).333
第11章模糊邏輯控制.334
11.1模糊邏輯控制基礎334
11.1.1模糊邏輯控制的基本概念334
11.1.2模糊邏輯控制原理335
11.1.3模糊邏輯控制器設計包括的內(nèi)容335
11.1.4模糊邏輯控制規(guī)則設計336
11.1.5模糊邏輯控制系統(tǒng)的應用領域336
11.2模糊邏輯控制工具箱.337
11.2.1功能特點337
11.2.2模糊系統(tǒng)基本類型338
11.2.3模糊邏輯控制系統(tǒng)的構(gòu)成.339
11.2.4模糊推理系統(tǒng)的建立、修改與存儲管理339
11.2.5模糊語言變量及其語言值.346
11.2.6模糊語言變量的隸屬度函數(shù)349
11.2.7模糊規(guī)則的建立與修改353
11.2.8模糊推理計算與去模糊化355
11.3模糊邏輯控制工具箱App358
11.3.1模糊推理系統(tǒng)編輯器358
11.3.2隸屬度函數(shù)編輯器360
11.3.3模糊規(guī)則編輯器360
11.3.4模糊規(guī)則瀏覽器360
11.3.5模糊推理輸入/輸出曲面視圖360
11.4模糊邏輯控制的經(jīng)典應用362
11.4.1基于Simulink的模糊邏輯控制應用362
目錄19
11.4.2基于模糊邏輯控制的路徑規(guī)劃366
11.4.3基于模糊神經(jīng)網(wǎng)絡控制的水質(zhì)評價379
11.5本章小結(jié).388
第三部分綜合應用
第12章模糊神經(jīng)網(wǎng)絡在工程中的應用391
12.1模糊神經(jīng)網(wǎng)絡391
12.1.1模糊神經(jīng)網(wǎng)絡概述391
12.1.2模糊系統(tǒng)與神經(jīng)網(wǎng)絡的區(qū)別與聯(lián)系392
12.1.3典型模糊神經(jīng)網(wǎng)絡結(jié)構(gòu)393
12.1.4自適應模糊神經(jīng)推理系統(tǒng)393
12.2模糊神經(jīng)網(wǎng)絡建模方法395
12.3模糊神經(jīng)網(wǎng)絡在工程中的應用舉例401
12.3.1模糊神經(jīng)網(wǎng)絡在解耦控制中的應用401
12.3.2模糊神經(jīng)網(wǎng)絡在函數(shù)逼近中的應用412
12.4本章小結(jié).419
第13章遺傳算法在圖像處理中的應用420
13.1圖像分割.420
13.1.1圖像分割的概念420
13.1.2圖像分割的理論420
13.1.3灰度門限法簡介421
13.1.4基于最大類間方差圖像分割原理422
13.2遺傳算法實現(xiàn)圖像分割423
13.2.1利用遺傳算法實現(xiàn)圖像分割的原理423
13.2.2算法實現(xiàn)424
13.3遺傳算法在圖像處理中的應用舉例.424
13.3.1基于遺傳算法的道路圖像閾值分割424
13.3.2基于遺傳神經(jīng)網(wǎng)絡的圖像分割433
13.3.3應用遺傳算法和KSW熵法實現(xiàn)灰度圖像閾值分割437
13.4本章小結(jié).453
第14章神經(jīng)網(wǎng)絡在參數(shù)估計中的應用454
14.1參數(shù)估計的基本知識454
14.1.1參數(shù)估計的概念454
14.1.2點估計與區(qū)間估計454
14.1.3樣本容量455
14.2幾種通用神經(jīng)網(wǎng)絡的MATLAB代碼455
14.3神經(jīng)網(wǎng)絡在參數(shù)估計中的應用舉例459
14.3.1神經(jīng)網(wǎng)絡在人臉識別中的應用459
20MATLAB智能算法（第2版）
14.3.2灰色神經(jīng)網(wǎng)絡在數(shù)據(jù)預測中的應用466
14.3.3BP神經(jīng)網(wǎng)絡在數(shù)據(jù)預測中的應用472
14.3.4概率神經(jīng)網(wǎng)絡在分類預測中的應用475
14.4本章小結(jié).478
第15章基于智能算法的PID控制器設計479
15.1PID控制器的理論基礎479
15.2智能算法在PID控制器設計中的應用.480
15.2.1神經(jīng)網(wǎng)絡在PID控制器設計中的應用480
15.2.2模糊控制在PID控制器設計中的應用487
15.2.3遺傳算法在PID控制器設計中的應用490
15.3本章小結(jié)494
參考文獻495