图书介绍
MATLAB智能算法超级学习手册pdf电子书版本下载
- MATLAB技术联盟，高飞编著 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115348791
- 出版时间：2014
- 标注页数：482页
- 文件大小：219MB
- 文件页数：498页
- 主题词：Matlab软件－手册
PDF下载
下载说明
MATLAB智能算法超级学习手册PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章MATLAB基础知识 1
1.1MATLAB简介 1
1.2矩阵的表示 4
1.2.1数值矩阵的生成 5
1.2.2符号矩阵的生成 6
1.2.3特殊矩阵的生成 7
1.3符号变量的应用 9
1.3.1质点系的转动惯量问题 10
1.3.2油罐剩余油量体积的求解 10
1.3.3光的反射定理的论证 12
1.4线性方程组的求解 14
1.4.1齐次线性方程组的通解 14
1.4.2非齐次线性方程组的通解 15
1.4.3线性方程组的LQ解法 17
1.5简单工程应用分析 18
1.5.1内燃机转角与升程插值模型 18
1.5.2航行区域警示线模型 19
1.6本章小结 22
第2章 种群竞争微分方程的求解 23
2.1种群竞争微分方程模型 23
2.2种群竞争模型的讨论 29
2.3本章小结 33
第3章 基于Markov的食品物价趋势预测 34
3.1问题背景 34
3.1.1食品零售价格数据 34
3.1.2问题的提出 35
3.2食品分类模型基本假设 35
3.3食品价格数值分类求解 36
3.3.1食品聚类分类 36
3.3.2食品价格特点分析 38
3.4食品价格增长率分类求解 46
3.4.1食品属性分类 47
3.4.2食品价格特点分析 47
3.5食品价格趋势预测 53
3.5.1食品价格预测模型基本假设 53
3.5.2食品价格预测模型符号说明 53
3.5.3食品价格预测模型的建立与求解 54
3.6本章小结 62
第4章 基于时间序列的物价预测算法 63
4.1时间序列的基本概念 63
4.2非平稳时间序列变动的影响因素与测定模型 64
4.3时间序列的预测方法 64
4.3.1季节变动分析 65
4.3.2循环变动分析 65
4.4食品价格分析 66
4.5灰色关联分析 67
4.5.1灰色预测建模 68
4.5.2食品价格趋势预测 70
4.6时间序列指数平滑预测法 76
4.6.1一次指数平滑预测法 76
4.6.2二次指数平滑预测法 77
4.6.3三次指数平滑法 78
4.7时间序列线性二次移动平均法 80
4.8本章小结 85
第5章 基于层次分析法的食堂服务质量评价算法 86
5.1问题的背景 86
5.2层次分析法 87
5.2.1层次分析法的特点 87
5.2.2层次分析法的应用 87
5.2.3层次分析法的基本原理与步骤 88
5.2.4层次分析法应用举例 92
5.3学生食堂就餐服务质量满意度 96
5.3.1食堂服务质量评价模型基本假设 96
5.3.2食堂服务质量评价模型分析 96
5.3.3食堂服务质量评价模型符号说明 97
5.3.4食堂服务质量评价模型的建立与求解 97
5.4本章小结 104
第6章MATLAB优化工具箱的使用 105
6.1线性规划问题 105
6.2 foptions函数 107
6.3非线性规划问题 108
6.3.1有约束的一元函数的最小值 108
6.3.2无约束的多元函数最小值 109
6.3.3有约束的多元函数最小值 111
6.3.4二次规划问题 114
6.4“半无限”有约束的多元函数最优解 117
6.5极小化极大问题 121
6.6多目标规划问题 123
6.7最小二乘最优问题 126
6.7.1约束线性最小二乘 126
6.7.2非线性曲线拟合 128
6.7.3非线性最小二乘 129
6.7.4非负线性最小二乘 131
6.8非线性方程求解 131
6.8.1非线性方程的解 132
6.8.2非线性方程组的解 132
6.9本章小结 134
第7章 基于RBF网络的优化逼近 135
7.1 RBF神经网络 135
7.1.1 RBF网络特点 136
7.1.2 RBF网络结构 136
7.1.3 RBF网络的逼近 136
7.2模糊RBF网络 140
7.2.1网络结构 141
7.2.2基于模糊RBF网络的逼近算法 142
7.3基于遗传算法的RBF网络逼近 145
7.4 RBF网络自校正控制 152
7.4.1自校正控制算法 153
7.4.2 RBF网络自校正控制算法 153
7.5本章小结 157
第8章 自适应模糊控制算法 158
8.1模糊控制 158
8.1.1模糊系统的设计 159
8.1.2模糊系统的逼近精度 159
8.1.3模糊逼近仿真 160
8.2间接自适应模糊控制 165
8.2.1一般模糊系统 166
8.2.2自适应模糊控制器的设计 167
8.2.3稳定性分析 167
8.2.4间接自适应模糊控制仿真 169
8.3直接自适应模糊控制 175
8.3.1问题描述 175
8.3.2控制器的设计 176
8.3.3自适应律设计 177
8.3.4直接自适应模糊控制仿真 179
8.4本章小结 182
第9章 基于PID的控制算法 183
9.1 PID控制原理 183
9.2专家PID控制 184
9.3增量式PID控制算法及其仿真 188
9.4积分分离式PID控制算法及其仿真 191
9.5基于卡尔曼滤波器的PID控制 195
9.6本章小结 203
第10章 基于LQR+PI D的倒立摆控制算法 204
10.1背景 204
10.2线性系统 205
10.2.1状态空间基本定义 205
10.2.2状态空间表达式 205
10.2.3系统状态线性变换 206
10.2.4线性系统的能控性 207
10.3最优控制 208
10.3.1线性二次型控制 208
10.3.2 LQR状态反馈矩阵求解 210
10.3.3 PID控制 211
10.3.4 PID状态反馈矩阵求解 212
10.4倒立摆系统 213
10.4.1一级倒立摆系统分析 214
10.4.2利用LQR法设计控制器 215
10.4.3利用PID法设计控制器 219
10.5倒立摆系统平衡控制系统设计 220
10.5.1 Simulink设计仿真 220
10.5.2线性二次型倒立摆控制 220
10.5.3 PID倒立摆控制 222
10.6本章小结 223
第11章 基于粒子群算法的寻优计算 224
11.1基本粒子群算法 224
11.2粒子群算法的收敛性 227
11.3粒子群算法函数极值求解 228
11.3.1一维函数全局最优 229
11.3.2经典测试函数 231
11.3.3无约束函数极值寻优 237
11.3.4有约束函数极值寻优 240
11.3.5有约束函数极值APSO寻优 243
11.4 MATLAB优化工具箱简介 248
11.5本章小结 249
第12章 基本粒子群改进算法分析 250
12.1基本粒子群算法 250
12.1.1基本PSO算法 250
12.1.2 PSO算法基本特点 252
12.1.3基本PSO算法流程 252
12.2粒子群算法改进 253
12.3提高粒子群算法效率 254
12.3.1带惯性权重的PSO算法 254
12.3.2权重线性递减的PSO算法 255
12.3.3自适应权重的PSO算法 259
12.3.4随机权重策略的PSO算法 260
12.3.5增加收缩因子的PSO算法 262
12.3.6其他参数的变化 265
12.4本章小结 273
第13章 基于免疫算法的物流中心选址 274
13.1物流中心选址问题 274
13.2免疫算法的基本思想 275
13.3基于免疫优化算法的物流中心选址问题求解 276
13.3.1初始群体的产生 277
13.3.2解的多样性评价 277
13.3.3免疫操作 278
13.3.4模型求解 279
13.4本章小结 289
第14章 基于人工免疫的粒子群聚类算法 290
14.1聚类分析 290
14.2 PSO优化算法分析 291
14.2.1粒子群优化算法 291
14.2.2 PSO算法改进策略 292
14.3人工免疫特性分析 292
14.3.1生物免疫系统及其特性 292
14.3.2种群分布熵 293
14.3.3平均粒距 293
14.3.4精英均值偏差 293
14.4基于人工免疫的粒子群优化算法 294
14.4.1 PSO函数极值求解 295
14.4.2粒子群聚类算法理论分析 297
14.4.3粒子群算法实现流程 299
14.4.4种群多样性聚类分析 300
14.5本章小结 310
第15章 基于ART的植物种类自动分类 311
15.1 ART网络分类算法简介 311
15.1.1人工神经网络实际应用 311
15.1.2 ART网络 312
15.2植物种类自动分类研究 312
15.2.1植物种类简介 312
15.2.2植物分类 313
15.3基于ART的植物种类数据自动分类研究 313
15.3.1神经网络简介 313
15.3.2自适应共振理论 315
15.3.3 ART 1网络结构 315
15.3.4 ART 1运行过程 317
15.4本章小结 320
第16章 基于贝叶斯网络的数据预测 321
16.1贝叶斯统计方法 321
16.2贝叶斯预测方法 323
16.3贝叶斯网络的数据预测 325
16.4本章小结 328
第17章 基于遗传算法的寻优计算 329
17.1遗传算法的寻优计算 329
17.2基于GA的三维曲面极值寻优 338
17.3基于GA PSO算法的寻优计算 345
17.4本章小结 348
第18章 基于遗传算法的TSP求解 349
18.1旅行商问题分析 349
18.1.1遗传算法简介 349
18.1.2遗传算法现状分析 350
18.2遗传算法的特点 351
18.3遗传算法中各算子的特点 352
18.3.1选择算子（selection） 352
18.3.2交叉算子（crossover） 352
18.3.3变异算子（mutation） 353
18.4遗传算法的基本步骤 353
18.4.1编码 354
18.4.2初始群体的生成 354
18.4.3杂交 355
18.4.4适应度值评估检测 355
18.4.5选择 355
18.4.6变异 355
18.4.7中止 355
18.5基于GA的旅行商问题求解 356
18.5.1 TSP问题定义 356
18.5.2 TSP算法框架 356
18.5.3 TSP算法流程框图 357
18.5.4固定地图TSP求解 358
18.5.5随机地图TSP求解 359
18.6遗传算法讨论 365
18.6.1编码表示 366
18.6.2适应度函数 366
18.6.3选择策略 366
18.6.4控制参数 366
18.7本章小结 366
第19章 基于蚁群算法的路径规划计算 367
19.1基于蚁群算法的二维路径规划算法 367
19.1.1 MAKLINK图论 367
19.1.2蚁群算法理论 368
19.1.3 Dijkstra算法 369
19.1.4路径规划问题分析求解 369
19.2基于蚁群算法的三维路径规划算法 378
19.2.1三维空间抽象建模 378
19.2.2三维路径问题 379
19.2.3信息素更新 379
19.2.4可视搜索空间 380
19.2.5蚁群搜索策略 380
19.2.6路径规划问题分析求解 381
19.3本章小结 388
第20章 基于蚁群算法的TSP求解 389
20.1蚁群算法理论研究现状 389
20.2蚁群算法的基本原理 391
20.3基于ACO的TSP求解 394
20.4基于ACO PSO的TSP求解 398
20.5本章小结 408
第21章 基于模拟退火的粒子群算法 409
21.1基于模拟退火的粒子群算法 409
21.1.1模拟退火算法的提出 409
21.1.2模拟退火算法的步骤 410
21.1.3模拟退火的粒子群算法 410
21.2本章小结 416
第22章 基于人群搜索算法的函数优化 417
22.1 SOA算法的基本原理 417
22.1.1利己行为 417
22.1.2利他行为 418
22.1.3预动行为 418
22.1.4不确定性行为 418
22.2人群搜索算法 418
22.2.1搜索步长的确定 419
22.2.2搜索方向的确定 420
22.2.3搜寻者个体位置的更新 420
22.2.4算法的实现 420
22.3基于人群搜索算法的函数优化 421
22.3.1优化函数的选择 421
22.3.2函数优化的结果 421
22.4本章小结 432
第23章 数控机床进给伺服系统的SOA-PI D参数整定 433
23.1 SOA算法在PID控制中的运用 433
23.1.1 PID控制原理 433
23.1.2 PID的离散化处理 434
23.1.3基于SOA的PID参数整定的基本原理 434
23.2基于SOA的PID参数整定的设计方案 435
23.2.1参数的编码 435
23.2.2适应度函数的选取 435
23.2.3算法流程 436
23.2.4算法实例 436
23.2.5 PID参数整定结果 436
23.3数控机床进给伺服系统的数学模型 454
23.3.1数控机床进给伺服系统的PMSM数学模型 454
23.3.2矢量变换原理 455
23.3.3 Clarke变换 456
23.3.4 Park变换 456
23.3.5同步旋转坐标上的PMSM数学模型 457
23.4机械参量和负载的折算 457
23.5矢量控制和磁场定向原理 458
23.5.1矢量控制原理 459
23.5.2磁场定向原理 459
23.5.3磁场定向（id=0）的控制方式下的PMSM进给伺服系统模型 460
23.5.4数控机床进给伺服系统数学模型的传递函数的表示 460
23.6基于SOA算法对数控机床进给伺服系统PID优化 461
23.6.1适应度函数的选取 461
23.6.2 SOA算法流程 461
23.6.3 PID参数整定结果 461
23.7本章小结 479
参考文献 480