MATLAB優(yōu)化算法案例分析與應(yīng)用

第1篇 MATLAB常見算法應(yīng)用第1章 MATLAB基礎(chǔ)知識1.1 MATLAB簡介1.2 矩陣的表示1.3 圖形點線樣式1.4 MATLAB自帶圖形集1.4.1 平面與立體繪圖1.4.2 復(fù)雜函數(shù)的三維繪圖1.4.3 等高線繪制1.4.4 MATLAB動畫1.4.5 數(shù)據(jù)擬合1.4.6 MATLAB圖像處理1.5 本章小結(jié)第2章 GUI應(yīng)用及數(shù)值分析2.1 GUI應(yīng)用分析2.1.1 圖像加載和存儲2.1.2 GUI圖形顯示2.1.3 可變GUI窗體設(shè)置2.2 設(shè)計可執(zhí)行函數(shù)文件2.3 符號變量應(yīng)用求解2.4 圖像盲區(qū)2.5 正態(tài)分布2.6 本章小結(jié)第3章 MATLAB工程應(yīng)用實例3.1 光的反射定理論證3.1.1 公式推算3.1.2 代碼實現(xiàn)3.2 質(zhì)點系轉(zhuǎn)動慣量求解3.3 儲油罐的油量計算3.4 香煙毒物攝入問題3.5 冰雹的下落速度3.5.1 公式推算3.5.2 代碼實現(xiàn)3.6 本章小結(jié)第4章 GM應(yīng)用分析4.1 數(shù)據(jù)歸一化處理4.2 灰色關(guān)聯(lián)分析4.2.1 灰色預(yù)測求解流程4.2.2 灰色預(yù)測建模4.3 食品價格灰色關(guān)聯(lián)分析4.3.1 食品價格趨勢預(yù)測4.3.2 食品價格分析4.3.3 灰色關(guān)聯(lián)分析4.4 本章小結(jié)第5章 PLS應(yīng)用分析5.1 偏最小二乘回歸5.2 偏最小二乘快速計算方法5.3 偏最小二乘數(shù)據(jù)分析5.4 本章小結(jié)第6章 ES應(yīng)用分析6.1 時間序列的基本概念6.2 非平穩(wěn)時間序列變動的影響因素與測定模型6.3 時間序列的預(yù)測方法6.3.1 季節(jié)變動分析6.3.2 循環(huán)變動分析6.4 食品價格分析6.5 時間序列指數(shù)平滑預(yù)測法6.5.1 一次指數(shù)平滑預(yù)測法6.5.2 二次指數(shù)平滑預(yù)測法6.5.3 三次指數(shù)平滑法6.6 時間序列線性二次移動平均法預(yù)測法6.7 本章小結(jié)第7章 Markov應(yīng)用分析7.1 問題背景7.2 模型基本假設(shè)7.3 食品價格趨勢預(yù)測7.3.1 模型符號說明7.3.2 模型建立與求解7.3.3 結(jié)果分析7.4 本章小結(jié)第8章 AHP應(yīng)用分析8.1 層次分析法8.1.1 層次分析法特點8.1.2 層次分析法步驟8.2 工作滿意度模型8.3 食堂就餐服務(wù)質(zhì)量滿意度8.3.1 模型基本假設(shè)8.3.2 模型分析8.3.3 模型符號說明8.3.4 模型建立與求解8.3.5 一致性檢驗8.3.6 結(jié)果分析8.4 本章小結(jié)第9章 DWRR應(yīng)用分析9.1 問題的背景9.2 模型基本假設(shè)9.3 模型符號說明9.4 模型的建立與求解9.4.1 評價指標的規(guī)范化處理9.4.2 動態(tài)加權(quán)函數(shù)的確定9.4.3 空氣質(zhì)量評價模型的建立9.4.4 模型求解步驟9.4.5 結(jié)果求解及分析9.5 本章小結(jié)第10章 模糊逼近算法10.1 模糊控制理論10.2 模糊系統(tǒng)的設(shè)計10.3 模糊系統(tǒng)的逼近精度10.4 模糊逼近仿真10.5 本章小結(jié)第11章 模糊RBF網(wǎng)絡(luò)11.1 RBF神經(jīng)網(wǎng)絡(luò)11.1.1 RBF網(wǎng)絡(luò)結(jié)構(gòu)11.1.2 RBF網(wǎng)絡(luò)的逼近11.2 模糊RBF網(wǎng)絡(luò)11.2.1 網(wǎng)絡(luò)結(jié)構(gòu)11.2.2 基于模糊RBF網(wǎng)絡(luò)的逼近算法11.3 本章小結(jié)第12章 基于FCEM的TRIZ評價12.1 TRIZ創(chuàng)新方法原理12.2 企業(yè)創(chuàng)新能力評價指標的構(gòu)建12.3 企業(yè)創(chuàng)新能力的模糊綜合評價方法12.4 企業(yè)創(chuàng)新能力綜合評價指標排序結(jié)果分析12.5 本章小結(jié)第2篇 MATLAB群智能算法應(yīng)用設(shè)計第13章 基于PSO的尋優(yōu)計算13.1 基本粒子群算法13.2 粒子群算法的收斂性13.3 粒子群算法函數(shù)極值求13.3.1 一維函數(shù)全局最優(yōu)13.3.2 經(jīng)典測試函數(shù)13.3.3 無約束函數(shù)極值尋優(yōu)13.3.4 有約束函數(shù)極值尋優(yōu) 13.3.5 有約束函數(shù)極值A(chǔ)PSO尋優(yōu)13.4 本章小結(jié)第14章 基于PSO的機構(gòu)優(yōu)化14.1 微粒群優(yōu)化算法研究現(xiàn)狀14.1.1 微粒群優(yōu)化算法的改進研究14.1.2 微粒群優(yōu)化算法的應(yīng)用研究14.2 機構(gòu)優(yōu)化設(shè)計理論分析14.3 平面連桿機構(gòu)的模型建立14.4 利用復(fù)合形法進行設(shè)計14.4.1 復(fù)合形法的算法流程14.4.2 模型計算結(jié)果14.5 利用約束隨機方向法進行設(shè)計14.5.1 初始點的選擇14.5.2 隨機方向法的算法流程14.5.3 模型計算結(jié)果14.6 利用優(yōu)化工具箱法進行設(shè)計14.7 利用微粒群優(yōu)化算法進行設(shè)計14.8 本章小結(jié)第15章 基本PSO的改進策略第16章 基于GA的尋優(yōu)計算第17章 基于GA的TSP求解第18章 基于Hopfield的TSP求解第19章 基于ACO的TSP求解第20章 基于SA的PSO算法 292第21章 基于kalman的PID控制第22章 基于SOA的尋優(yōu)計算第23章 基于Bayes的數(shù)據(jù)預(yù)測第24章 基于SOA的PID參數(shù)整定第25章 基于BP的人臉方向預(yù)測第26章 基于Hopfield的數(shù)字識別第27章 基于DEA的投入產(chǎn)出分析第28章 基于BP的數(shù)據(jù)分類第29章 基于SOM的數(shù)據(jù)分類第30章 基于人工免疫PSO的聚類算法第31章 模糊聚類分析第32章 基于GA_BP的抗糖化活性研究參考文獻