MATLAB優(yōu)化算法案例分析與應(yīng)用

定　價(jià)：￥69.80

作　者：	余勝威著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	MATLAB典藏大系
標(biāo)　簽：	計(jì)算機(jī)控制與仿真計(jì)算機(jī)與互聯(lián)網(wǎng)

購買這本書可以去

ISBN：	9787302367024	出版時(shí)間：	2014-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	486	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《MATLAB典藏大系：MATLAB優(yōu)化算法案例分析與應(yīng)用》全面而系統(tǒng)地介紹了MATLAB算法和案例應(yīng)用，涉及面廣，從基本操作到高級(jí)算法應(yīng)用，幾乎涵蓋MATLAB算法的所有重要知識(shí)。本書結(jié)合算法理論和流程，通過大量案例，詳解算法代碼，解決具體的工程案例，讓讀者更加深入地學(xué)習(xí)和掌握各種算法在不同案例中的應(yīng)用。本書共32章。涵蓋的內(nèi)容有MATLAB基礎(chǔ)知識(shí)、GUI應(yīng)用及數(shù)值分析、MATALB工程應(yīng)用實(shí)例、GM應(yīng)用分析、PLS應(yīng)用分析、ES應(yīng)用分析、MARKOV應(yīng)用分析、AHP應(yīng)用分析、DWRR應(yīng)用分析、模糊逼近算法、模糊RBF網(wǎng)絡(luò)、基于FCEM的TRIZ評(píng)價(jià)、基于PSO的尋優(yōu)計(jì)算、基于PSO的機(jī)構(gòu)優(yōu)化、基本PSO的改進(jìn)策略、基于GA的尋優(yōu)計(jì)算、基于GA的TSP求解、基于Hopfield的TSP求解、基于ACO的TSP求解、基于SA的PSO算法、基于kalman的PID控制、基于SOA的尋優(yōu)計(jì)算、基于Bayes的數(shù)據(jù)預(yù)測(cè)、基于SOA的PID參數(shù)整定、基于BP的人臉方向預(yù)測(cè)、基于Hopfield的數(shù)字識(shí)別、基于DEA的投入產(chǎn)出分析、基于BP的數(shù)據(jù)分類、基于SOM的數(shù)據(jù)分類、基于人工免疫PSO的聚類算法、模糊聚類分析和基于GA_BP的抗糖化活性研究。本書適合所有想全面學(xué)習(xí)MATALB優(yōu)化算法的人員閱讀，也適合各種使用MATALB進(jìn)行開發(fā)的工程技術(shù)人員閱讀。對(duì)于相關(guān)高校的教學(xué)與研究，本書也是不可或缺的參考書。另外，對(duì)于MATLAB愛好者，本書也對(duì)網(wǎng)絡(luò)上討論的大部分疑難問題給出了解答，值得一讀。

作者簡(jiǎn)介

　　余勝威，畢業(yè)于西南交通大學(xué)。有6年MATLAB應(yīng)用經(jīng)驗(yàn)，精通MATLAB算法開發(fā)，對(duì)程序設(shè)計(jì)有獨(dú)到的見解。榮獲省級(jí)、國家級(jí)數(shù)學(xué)建模競(jìng)賽一等獎(jiǎng)4項(xiàng)、二等獎(jiǎng)3項(xiàng)、優(yōu)秀獎(jiǎng)1項(xiàng)，還獲得了編程和其他類競(jìng)賽獎(jiǎng)4項(xiàng)。已錄用論文3篇，參與項(xiàng)目10余個(gè)，并獨(dú)立編寫了4部MATLAB應(yīng)用領(lǐng)域的圖書。目前主要從事圖像處理、人工智能、信號(hào)分析、故障診斷和算法開發(fā)等相關(guān)方面的研究。

圖書目錄

第1篇 MATLAB常見算法應(yīng)用第1章 MATLAB基礎(chǔ)知識(shí)1.1 MATLAB簡(jiǎn)介1.2 矩陣的表示1.3 圖形點(diǎn)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(dòng)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(chǔ)2.1.2 GUI圖形顯示2.1.3 可變GUI窗體設(shè)置2.2 設(shè)計(jì)可執(zhí)行函數(shù)文件2.3 符號(hào)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(shí)例3.1 光的反射定理論證3.1.1 公式推算3.1.2 代碼實(shí)現(xiàn)3.2 質(zhì)點(diǎn)系轉(zhuǎn)動(dòng)慣量求解3.3 儲(chǔ)油罐的油量計(jì)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(shí)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(cè)求解流程4.2.2 灰色預(yù)測(cè)建模4.3 食品價(jià)格灰色關(guān)聯(lián)分析4.3.1 食品價(jià)格趨勢(shì)預(yù)測(cè)4.3.2 食品價(jià)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(jì)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(shí)間序列的基本概念6.2 非平穩(wěn)時(shí)間序列變動(dòng)的影響因素與測(cè)定模型6.3 時(shí)間序列的預(yù)測(cè)方法6.3.1 季節(jié)變動(dòng)分析6.3.2 循環(huán)變動(dòng)分析6.4 食品價(jià)格分析6.5 時(shí)間序列指數(shù)平滑預(yù)測(cè)法6.5.1 一次指數(shù)平滑預(yù)測(cè)法6.5.2 二次指數(shù)平滑預(yù)測(cè)法6.5.3 三次指數(shù)平滑法6.6 時(shí)間序列線性二次移動(dòng)平均法預(yù)測(cè)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(jià)格趨勢(shì)預(yù)測(cè)7.3.1 模型符號(hào)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(diǎn)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(hào)說明8.3.4 模型建立與求解8.3.5 一致性檢驗(yàn)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(hào)說明9.4 模型的建立與求解9.4.1 評(píng)價(jià)指標(biāo)的規(guī)范化處理9.4.2 動(dòng)態(tài)加權(quán)函數(shù)的確定9.4.3 空氣質(zhì)量評(píng)價(jià)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(jì)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(píng)價(jià)12.1 TRIZ創(chuàng)新方法原理12.2 企業(yè)創(chuàng)新能力評(píng)價(jià)指標(biāo)的構(gòu)建12.3 企業(yè)創(chuàng)新能力的模糊綜合評(píng)價(jià)方法12.4 企業(yè)創(chuàng)新能力綜合評(píng)價(jià)指標(biāo)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(jì)第13章基于PSO的尋優(yōu)計(jì)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(cè)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(jī)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(jìn)研究14.1.2 微粒群優(yōu)化算法的應(yīng)用研究14.2 機(jī)構(gòu)優(yōu)化設(shè)計(jì)理論分析14.3 平面連桿機(jī)構(gòu)的模型建立14.4 利用復(fù)合形法進(jìn)行設(shè)計(jì)14.4.1 復(fù)合形法的算法流程14.4.2 模型計(jì)算結(jié)果14.5 利用約束隨機(jī)方向法進(jìn)行設(shè)計(jì)14.5.1 初始點(diǎn)的選擇14.5.2 隨機(jī)方向法的算法流程14.5.3 模型計(jì)算結(jié)果14.6 利用優(yōu)化工具箱法進(jìn)行設(shè)計(jì)14.7 利用微粒群優(yōu)化算法進(jìn)行設(shè)計(jì)14.8 本章小結(jié)第15章基本PSO的改進(jìn)策略第16章基于GA的尋優(yōu)計(jì)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(jì)算第23章基于Bayes的數(shù)據(jù)預(yù)測(cè)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(cè)第26章基于Hopfield的數(shù)字識(shí)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(xiàn)