MATLAB智能算法(第2版)

美国MathWorks公司的MATLAB软件是一款用于算法开发、数据可视化、数据分析及数值计算的高级计算语言和交互环境，主要包括MATLAB和Simulink两大部分。MATLAB在数值计算方面的功能首屈一指。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB实现智能算法设计比用C、FORTRAN等语言更为方便。

在人工智能研究领域，智能算法是其重要的一个分支。虽然智能算法研究水平暂时还很难使“智能机器”真正具备人类的智能，但是人工脑是人脑与生物脑的结合，这种结合将使人工智能的研究向着更广和更深的方向发展。

智能计算不断地在探索智能的新概念、新理论、新方法和新技术，这些研究成果将给人类世界带来巨大的改变。本书将详细介绍MATLAB智能算法的设计及应用方法。

1．本书特点

（1）由浅入深，循序渐进。本书以初、中级读者为对象，首先从人工智能概述的基础讲起，再以各种智能算法原理及其在MATLAB中的应用案例帮助读者尽快掌握智能算法实现的技能。

（2）步骤详尽，内容新颖。本书结合编者多年的MATLAB智能算法使用经验与实际工程应用案例，详细讲解智能算法的原理及其在MATLAB中的实现方法与技巧。本书在讲解过程中步骤详尽、内容新颖，讲解过程辅以相应的图片，使读者在阅读时一目了然，从而快速把握书中所讲内容。

（3）实例典型，轻松易学。学习实际工程应用案例的具体操作是掌握智能算法实现最好的方式。本书通过综合应用案例，透彻详尽地讲解智能算法在各方面的应用。

2．本书内容

本书重点讲解智能算法在MATLAB中的实现，全书共分为3部分：基础知识、算法专题、综合应用。

第一部分为基础知识，对人工智能进行介绍，同时讲解MATLAB的基础知识，为智能算法的学习奠定基础。

第1章  人工智能概述       第2章  初识MATLAB

第3章  MATLAB基础       第4章  程序设计

第二部分为算法专题，主要介绍多种经典算法的理论及其在MATLAB中的实现方法。智能算法有很多种，该部分选取几种经典的算法进行讲解。

第5章  遗传算法        第6章  免疫算法

第7章  蚁群算法        第8章  粒子群算法

第9章  小波分析        第10章  神经网络算法

第11章  模糊逻辑控制

第三部分为综合应用，主要介绍几种智能算法的应用实践，帮助读者尽快将学到的算法应用到实际学习与工作中。

第12章  模糊神经网络在工程中的应用   第13章  遗传算法在图像处理中的应用

第14章  神经网络在参数估计中的应用   第15章  基于智能算法的PID控制器设计

注：本书基于MATLAB R2020a中文版进行编写，由于软件内部函数运行后图形显示的依然为英文标注，为保证与软件操作一致，书中图形采用软件的直接输出结果，即保留英文注释。

为兼顾MATLAB R2020a以前版本，方便使用低版本的读者学习使用，MATLAB程序段中保留了部分旧版本的函数。

3．读者对象

本书适用于MATLAB智能算法设计初学者和期望提高智能算法工程应用能力的读者，具体说明如下。

« 人工智能从业人员     « 初学MATLAB智能算法的技术人员

« 大中专院校的教师和在校生   « 相关培训机构的教师和学员

«  MATLAB爱好者      « 广大科研工作人员

4．读者服务

为了方便解决本书疑难问题，读者在学习过程中遇到与本书有关的技术问题，可以访问“算法仿真”公众号，在相关栏目下留言获取帮助。

本书介绍的智能算法是智能算法领域非常经典的算法，公众号未来会定期分享不同的智能算法及其MATLAB算例，包括但不限于差分进化算法、模拟退火算法、支持向量机算法、禁忌搜索算法、天牛须搜索算法等。

5．本书作者

本书由温正编著，虽然编者在编写过程中力求叙述准确、完善，但由于水平有限，书中疏漏之处在所难免，希望读者和同仁能够及时指出，共同促进本书质量的提高。最后再次希望本书能为读者的学习和工作提供帮助！

编者

2023年1月

本书以MATLABR2020a软件为基础，详细介绍各种智能算法的原理及MATLAB在智能算法中的应用，是一本MATLAB智能算法设计的综合性参考书。全书以智能算法原理及MATLAB应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB中的实现方法。

全书共分为3部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID控制器设计等内容。

本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。

温正  北京航空航天大学博士后，现就职于中国航天科技集团，精通MATLAB、Mathematica、Lingo等工程仿真计算软件；熟练掌握利用MATLAB解决数学建模、科学计算、算法优化、机器学习等工程应用问题；在国内外期刊发表学术论文多篇，申请并获得授权专利多项，曾获得国防科学技术成果奖等奖项，读书期间获光华奖学金及优秀研究生等多项荣誉。

第一部分基础知识

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人工智能的研究目标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人工智能的应用9

1.2.1机器思维9

1.2.2机器感知10

1.2.3机器行为11

1.2.4机器学习12

1.2.5机器计算12

1.3分布式人工智能13

1.3.1机器系统14

1.3.2典型应用14

1.4本章小结15

第2章初识MATLAB16

2.1MATLAB工作环境16

2.1.1操作界面简介16

2.1.2命令行窗口17

2.1.3命令历史记录19

2.1.4当前文件夹和路径管理20

2.1.5搜索路径21

2.1.6“工作区”窗口和数组编辑器23

2.1.7变量的编辑命令24

2.1.8存取数据文件25

2.2MATLAB基本概念26

2.2.1数据类型概述26

2.2.2整数型26

14MATLAB智能算法（第2版）

2.2.3浮点数型28

2.2.4复数30

2.2.5无穷量和非数值量31

2.2.6数据显示格式31

2.2.7数据类型函数32

2.2.8常量与变量32

2.2.9标量、向量、矩阵和数组33

2.2.10字符串34

2.2.11算术运算符35

2.2.12命令、函数、表达式和语句36

2.3MATLAB帮助系统36

2.3.1纯文本帮助37

2.3.2帮助导航37

2.3.3示例帮助38

2.4本章小结38

第3章MATLAB基础39

3.1数组.39

3.1.1数组的定义39

3.1.2数组的创建39

3.1.3多维数组及其操作47

3.2矩阵.51

3.2.1实数值矩阵输入51

3.2.2复数矩阵输入51

3.2.3符号矩阵的生成52

3.2.4大矩阵的生成53

3.2.5矩阵的数学函数53

3.3符号运算58

3.3.1符号对象58

3.3.2符号变量60

3.3.3符号表达式及函数61

3.3.4符号变量代换63

3.3.5符号对象转换为数值对象64

3.3.6符号表达式的化简.65

3.3.7符号运算的其他函数67

3.3.8两种特定的符号函数运算69

3.4关系运算和逻辑运算70

3.4.1关系运算70

3.4.2逻辑运算71

3.4.3常用函数74

目录15

3.4.4运算符的优先级75

3.5本章小结75

第4章程序设计76

4.1自顶向下的程序设计方法76

4.2分支结构79

4.2.1if分支结构79

4.2.2switch分支结构80

4.3循环结构81

4.3.1while循环结构81

4.3.2for循环结构82

4.3.3控制程序的其他命令83

4.4程序调试和优化87

4.4.1程序调试命令87

4.4.2程序常见的错误类型87

4.4.3效率优化91

4.4.4内存优化91

4.5本章小结93

第二部分算法专题

第5章遗传算法97

5.1遗传算法基础97

5.1.1算法基本运算97

5.1.2遗传算法的特点98

5.1.3遗传算法中的术语98

5.1.4遗传算法发展现状99

5.1.5遗传算法的应用领域100

5.2遗传算法原理100

5.2.1算法运算过程100

5.2.2算法编码103

5.2.3适应度及初始群体选取103

5.2.4算法参数设计原则104

5.2.5适应度函数的调整104

5.2.6程序设计105

5.3遗传算法典型应用109

5.3.1求函数极值109

5.3.2旅行商问题121

5.3.3基于遗传算法的MP算法的应用127

5.4遗传算法工具箱132

16MATLAB智能算法（第2版）

5.4.1工具箱命令方式调用133

5.4.2遗传算法App调用135

5.4.3遗传算法的优化138

5.5本章小结.145

第6章免疫算法146

6.1免疫算法基本概念146

6.1.1生物免疫系统146

6.1.2免疫算法基本原理147

6.1.3免疫算法步骤和流程148

6.1.4免疫系统模型和免疫算法149

6.1.5免疫算法特点150

6.1.6免疫算法的发展趋势150

6.2免疫遗传算法151

6.2.1免疫遗传算法步骤和流程.151

6.2.2免疫遗传算法MATLAB实现151

6.3免疫算法的应用159

6.3.1免疫算法在克隆选择中的应用159

6.3.2免疫算法在最短路径规划中的应用163

6.3.3免疫算法在TSP中的应用167

6.3.4免疫算法在故障检测中的应用173

6.4本章小结180

第7章蚁群算法181

7.1蚁群算法概述181

7.1.1蚁群算法的起源181

7.1.2蚁群算法的基本原理182

7.1.3自适应蚁群算法185

7.1.4蚁群算法实现的重要规则.186

7.1.5蚁群算法的特点186

7.1.6蚁群算法的发展与应用187

7.2蚁群算法MATLAB实现188

7.3蚁群算法的应用190

7.3.1蚁群算法在路径规划中的应用190

7.3.2蚁群算法在TSP中的应用203

7.4本章小结207

第8章粒子群算法208

8.1粒子群算法基础208

8.1.1粒子群算法的起源208

8.1.2粒子群算法的发展趋势209

8.1.3粒子群算法的特点209

目录17

8.1.4粒子群算法的应用210

8.2基本粒子群算法211

8.2.1基本原理211

8.2.2算法构成要素212

8.2.3算法参数设置212

8.2.4算法基本流程213

8.2.5MATLAB实现213

8.3权重改进的粒子群算法219

8.3.1自适应权重法219

8.3.2随机权重法222

8.3.3线性递减权重法224

8.4混合粒子群算法226

8.4.1基于杂交的混合粒子群算法226

8.4.2基于自然选择的混合粒子群算法229

8.4.3基于免疫的混合粒子群算法231

8.4.4基于模拟退火的混合粒子群算法235

8.5本章小结.237

第9章小波分析238

9.1傅里叶变换到小波分析.238

9.1.1傅里叶变换.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常用小波函数介绍244

9.2.3Mallat算法示例245

9.3小波分析在信号处理中的应用248

9.3.1信号压缩248

9.3.2信号去噪249

9.3.3信号分离252

9.4小波变换在图像处理中的应用255

9.4.1图像压缩255

9.4.2图像边缘检测259

9.4.3图像增强260

9.5小波App简介.262

9.6本章小结.266

第10章神经网络算法267

10.1神经网络基础267

10.1.1人工神经网络的发展267

10.1.2人工神经网络研究内容268

18MATLAB智能算法（第2版）

10.1.3人工神经网络研究方向268

10.1.4人工神经网络发展趋势269

10.2神经网络的结构及学习271

10.2.1神经网络结构271

10.2.2神经网络学习272

10.2.3MATLAB在神经网络中的应用285

10.3神经网络工具箱288

10.3.1神经网络工具箱函数288

10.3.2神经网络工具箱App305

10.3.3神经网络的MATLAB实现310

10.4Simulink神经网络控制工具箱325

10.4.1神经网络模型预测控制325

10.4.2反馈线性化控制328

10.4.3模型参考控制.330

10.5本章小结.333

第11章模糊逻辑控制.334

11.1模糊逻辑控制基础334

11.1.1模糊逻辑控制的基本概念334

11.1.2模糊逻辑控制原理335

11.1.3模糊逻辑控制器设计包括的内容335

11.1.4模糊逻辑控制规则设计336

11.1.5模糊逻辑控制系统的应用领域336

11.2模糊逻辑控制工具箱.337

11.2.1功能特点337

11.2.2模糊系统基本类型338

11.2.3模糊逻辑控制系统的构成.339

11.2.4模糊推理系统的建立、修改与存储管理339

11.2.5模糊语言变量及其语言值.346

11.2.6模糊语言变量的隶属度函数349

11.2.7模糊规则的建立与修改353

11.2.8模糊推理计算与去模糊化355

11.3模糊逻辑控制工具箱App358

11.3.1模糊推理系统编辑器358

11.3.2隶属度函数编辑器360

11.3.3模糊规则编辑器360

11.3.4模糊规则浏览器360

11.3.5模糊推理输入/输出曲面视图360

11.4模糊逻辑控制的经典应用362

11.4.1基于Simulink的模糊逻辑控制应用362

目录19

11.4.2基于模糊逻辑控制的路径规划366

11.4.3基于模糊神经网络控制的水质评价379

11.5本章小结.388

第三部分综合应用

第12章模糊神经网络在工程中的应用391

12.1模糊神经网络391

12.1.1模糊神经网络概述391

12.1.2模糊系统与神经网络的区别与联系392

12.1.3典型模糊神经网络结构393

12.1.4自适应模糊神经推理系统393

12.2模糊神经网络建模方法395

12.3模糊神经网络在工程中的应用举例401

12.3.1模糊神经网络在解耦控制中的应用401

12.3.2模糊神经网络在函数逼近中的应用412

12.4本章小结.419

第13章遗传算法在图像处理中的应用420

13.1图像分割.420

13.1.1图像分割的概念420

13.1.2图像分割的理论420

13.1.3灰度门限法简介421

13.1.4基于最大类间方差图像分割原理422

13.2遗传算法实现图像分割423

13.2.1利用遗传算法实现图像分割的原理423

13.2.2算法实现424

13.3遗传算法在图像处理中的应用举例.424

13.3.1基于遗传算法的道路图像阈值分割424

13.3.2基于遗传神经网络的图像分割433

13.3.3应用遗传算法和KSW熵法实现灰度图像阈值分割437

13.4本章小结.453

第14章神经网络在参数估计中的应用454

14.1参数估计的基本知识454

14.1.1参数估计的概念454