MATLAB智能算法（第2版）

第一部分基礎(chǔ)知識(shí)
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(biāo)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(yīng)用9
1.2.1機(jī)器思維9
1.2.2機(jī)器感知10
1.2.3機(jī)器行為11
1.2.4機(jī)器學(xué)習(xí)12
1.2.5機(jī)器計(jì)算12
1.3分布式人工智能13
1.3.1機(jī)器系統(tǒng)14
1.3.2典型應(yīng)用14
1.4本章小結(jié)15
第2章初識(shí)MATLAB16
2.1MATLAB工作環(huán)境16
2.1.1操作界面簡(jiǎn)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(dāng)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(lèi)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(diǎn)數(shù)型28
2.2.4復(fù)數(shù)30
2.2.5無(wú)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(lèi)型函數(shù)32
2.2.8常量與變量32
2.2.9標(biāo)量、向量、矩陣和數(shù)組33
2.2.10字符串34
2.2.11算術(shù)運(yùn)算符35
2.2.12命令、函數(shù)、表達(dá)式和語(yǔ)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(dǎo)航37
2.3.3示例幫助38
2.4本章小結(jié)38
第3章MATLAB基礎(chǔ)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(shí)數(shù)值矩陣輸入51
3.2.2復(fù)數(shù)矩陣輸入51
3.2.3符號(hào)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(xué)函數(shù)53
3.3符號(hào)運(yùn)算58
3.3.1符號(hào)對(duì)象58
3.3.2符號(hào)變量60
3.3.3符號(hào)表達(dá)式及函數(shù)61
3.3.4符號(hào)變量代換63
3.3.5符號(hào)對(duì)象轉(zhuǎn)換為數(shù)值對(duì)象64
3.3.6符號(hào)表達(dá)式的化簡(jiǎn).65
3.3.7符號(hào)運(yùn)算的其他函數(shù)67
3.3.8兩種特定的符號(hào)函數(shù)運(yùn)算69
3.4關(guān)系運(yùn)算和邏輯運(yùn)算70
3.4.1關(guān)系運(yùn)算70
3.4.2邏輯運(yùn)算71
3.4.3常用函數(shù)74
目錄15
3.4.4運(yùn)算符的優(yōu)先級(jí)75
3.5本章小結(jié)75
第4章程序設(shè)計(jì)76
4.1自頂向下的程序設(shè)計(jì)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(jiàn)的錯(cuò)誤類(lèi)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(zhuān)題
第5章遺傳算法97
5.1遺傳算法基礎(chǔ)97
5.1.1算法基本運(yùn)算97
5.1.2遺傳算法的特點(diǎn)98
5.1.3遺傳算法中的術(shù)語(yǔ)98
5.1.4遺傳算法發(fā)展現(xiàn)狀99
5.1.5遺傳算法的應(yīng)用領(lǐng)域100
5.2遺傳算法原理100
5.2.1算法運(yùn)算過(guò)程100
5.2.2算法編碼103
5.2.3適應(yīng)度及初始群體選取103
5.2.4算法參數(shù)設(shè)計(jì)原則104
5.2.5適應(yīng)度函數(shù)的調(diào)整104
5.2.6程序設(shè)計(jì)105
5.3遺傳算法典型應(yīng)用109
5.3.1求函數(shù)極值109
5.3.2旅行商問(wèn)題121
5.3.3基于遺傳算法的MP算法的應(yīng)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(diǎn)150
6.1.6免疫算法的發(fā)展趨勢(shì)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(shí)現(xiàn)151
6.3免疫算法的應(yīng)用159
6.3.1免疫算法在克隆選擇中的應(yīng)用159
6.3.2免疫算法在最短路徑規(guī)劃中的應(yīng)用163
6.3.3免疫算法在TSP中的應(yīng)用167
6.3.4免疫算法在故障檢測(cè)中的應(yīng)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(yīng)蟻群算法185
7.1.4蟻群算法實(shí)現(xiàn)的重要規(guī)則.186
7.1.5蟻群算法的特點(diǎn)186
7.1.6蟻群算法的發(fā)展與應(yīng)用187
7.2蟻群算法MATLAB實(shí)現(xiàn)188
7.3蟻群算法的應(yīng)用190
7.3.1蟻群算法在路徑規(guī)劃中的應(yīng)用190
7.3.2蟻群算法在TSP中的應(yīng)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(chǔ)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(shì)209
8.1.3粒子群算法的特點(diǎn)209
目錄17
8.1.4粒子群算法的應(yīng)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(shè)置212
8.2.4算法基本流程213
8.2.5MATLAB實(shí)現(xiàn)213
8.3權(quán)重改進(jìn)的粒子群算法219
8.3.1自適應(yīng)權(quán)重法219
8.3.2隨機(jī)權(quán)重法222
8.3.3線性遞減權(quán)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(hào)處理中的應(yīng)用248
9.3.1信號(hào)壓縮248
9.3.2信號(hào)去噪249
9.3.3信號(hào)分離252
9.4小波變換在圖像處理中的應(yīng)用255
9.4.1圖像壓縮255
9.4.2圖像邊緣檢測(cè)259
9.4.3圖像增強(qiáng)260
9.5小波App簡(jiǎn)介.262
9.6本章小結(jié).266
第10章神經(jīng)網(wǎng)絡(luò)算法267
10.1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)267
10.1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展267
10.1.2人工神經(jīng)網(wǎng)絡(luò)研究?jī)?nèi)容268
18MATLAB智能算法（第2版）
10.1.3人工神經(jīng)網(wǎng)絡(luò)研究方向268
10.1.4人工神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢(shì)269
10.2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)271
10.2.1神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)271
10.2.2神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)272
10.2.3MATLAB在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用285
10.3神經(jīng)網(wǎng)絡(luò)工具箱288
10.3.1神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)288
10.3.2神經(jīng)網(wǎng)絡(luò)工具箱App305
10.3.3神經(jīng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)310
10.4Simulink神經(jīng)網(wǎng)絡(luò)控制工具箱325
10.4.1神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)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(chǔ)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(shè)計(jì)包括的內(nèi)容335
11.1.4模糊邏輯控制規(guī)則設(shè)計(jì)336
11.1.5模糊邏輯控制系統(tǒng)的應(yīng)用領(lǐng)域336
11.2模糊邏輯控制工具箱.337
11.2.1功能特點(diǎn)337
11.2.2模糊系統(tǒng)基本類(lèi)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(chǔ)管理339
11.2.5模糊語(yǔ)言變量及其語(yǔ)言值.346
11.2.6模糊語(yǔ)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(jì)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(yīng)用362
11.4.1基于Simulink的模糊邏輯控制應(yīng)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(luò)控制的水質(zhì)評(píng)價(jià)379
11.5本章小結(jié).388
第三部分綜合應(yīng)用
第12章模糊神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用391
12.1模糊神經(jīng)網(wǎng)絡(luò)391
12.1.1模糊神經(jīng)網(wǎng)絡(luò)概述391
12.1.2模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系392
12.1.3典型模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)393
12.1.4自適應(yīng)模糊神經(jīng)推理系統(tǒng)393
12.2模糊神經(jīng)網(wǎng)絡(luò)建模方法395
12.3模糊神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用舉例401
12.3.1模糊神經(jīng)網(wǎng)絡(luò)在解耦控制中的應(yīng)用401
12.3.2模糊神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)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(yīng)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(mén)限法簡(jiǎn)介421
13.1.4基于最大類(lèi)間方差圖像分割原理422
13.2遺傳算法實(shí)現(xiàn)圖像分割423
13.2.1利用遺傳算法實(shí)現(xiàn)圖像分割的原理423
13.2.2算法實(shí)現(xiàn)424
13.3遺傳算法在圖像處理中的應(yīng)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(luò)的圖像分割433
13.3.3應(yīng)用遺傳算法和KSW熵法實(shí)現(xiàn)灰度圖像閾值分割437
13.4本章小結(jié).453
第14章神經(jīng)網(wǎng)絡(luò)在參數(shù)估計(jì)中的應(yīng)用454
14.1參數(shù)估計(jì)的基本知識(shí)454
14.1.1參數(shù)估計(jì)的概念454
14.1.2點(diǎn)估計(jì)與區(qū)間估計(jì)454
14.1.3樣本容量455
14.2幾種通用神經(jīng)網(wǎng)絡(luò)的MATLAB代碼455
14.3神經(jīng)網(wǎng)絡(luò)在參數(shù)估計(jì)中的應(yīng)用舉例459
14.3.1神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別中的應(yīng)用459
20MATLAB智能算法（第2版）
14.3.2灰色神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用466
14.3.3BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用472
14.3.4概率神經(jīng)網(wǎng)絡(luò)在分類(lèi)預(yù)測(cè)中的應(yīng)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(shè)計(jì)479
15.1PID控制器的理論基礎(chǔ)479
15.2智能算法在PID控制器設(shè)計(jì)中的應(yīng)用.480
15.2.1神經(jīng)網(wǎng)絡(luò)在PID控制器設(shè)計(jì)中的應(yīng)用480
15.2.2模糊控制在PID控制器設(shè)計(jì)中的應(yīng)用487
15.2.3遺傳算法在PID控制器設(shè)計(jì)中的應(yīng)用490
15.3本章小結(jié)494
參考文獻(xiàn)495