正版书MATLAB智能算法学习手册人民邮电出版社9787115348791高飞编著
正版图书，可开发票。
￥ 61.27 6.8折 ￥ 89.8 全新
库存3件
河北保定
认证卖家担保交易快速发货售后保障
作者高飞编著
出版社人民邮电出版社
ISBN9787115348791
出版时间2014-05
装帧平装
开本16开
定价89.8元
货号13260395
上书时间2024-10-22
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
MATLAB技术联盟高飞，长期从事信息处理等相关工作，熟悉MATLAB等工程软件，在国内外期刊发表论文多篇。
目录
目 录 第 1章 MATLAB基础知识 1 1.1 MATLAB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**小值 108 6.3.2 无约束的多元函数**小值 109 6.3.3 有约束的多元函数**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**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 **小二乘**优问题 126 6.7.1 约束线性**小二乘 126 6.7.2 非线性曲线拟合 128 6.7.3 非线性**小二乘 129 6.7.4 非负线性**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+PID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 **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**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 ART1网络结构 315 15.3.4 ART1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
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价