《MATLAB智能算法30个案例分析（第2版）》是作者很多年从业算法科学研究的经验交流.书里全部案例均应中国各种MATLAB技术交流网民的亲身要求而精心策划,在其中许多 案例所涉及到的內容和求出方式在中国已经出版发行的 MATLAB书藉中很少有详细介绍.
《MATLAB智能算法30个案例分析（第2版）》选用案例方式,以智能算法主导线,解读了基因遗传算法、免疫力算法、淬火算法、粒子群算法、鱼类算法、蚁群算法和神经元网络算法等Z常见的智能算法的MATLAB完成.这书共得出３０个案例,每一个案例全是一个应用智能算法解决困难的实际案例,全部案例均由基础理论解读、案例背景图、MATLAB程序实现和拓展阅读文章四个一部分构成,并装有详细的程序流程源代码和讲解视频,使阅读者在把握算法的另外,还可以学习培训到作者们很多年累积的程序编写工作经验与方法,进而迅速提升应用算法求出具体难题的工作能力.
《MATLAB智能算法30个案例分析（第2版）》可做为大学毕业设计方案、硕士研究生项目设计、博士研究生低段课题研究设计方案参照书藉,另外对众多科技人员也是有很高的实用价值.
目录
- 第1章 谢菲尔德大学的MATLAB遗传算法工具箱 1
- 1.1 理论基础 1
- 1.1.1 遗传算法概述 1
- 1.1.2 谢菲尔德遗传算法工具箱 1
- 1.2 案例背景 3
- 1.2.1 问题描述 3
- 1.2.2 解题思路及步骤 3
- 1.3 MATLAB程序实现 3
- 1.3.1 工具箱结构 3
- 1.3.2 遗传算法常用函数 4
- 1.3.3 遗传算法工具箱应用举例 12
- 1.4 延伸阅读 16
- 参考文献 16
- 第2章 基于遗传算法和非线性规划的函数寻优算法 17
- 2.1 理论基础 17
- 2.1.1 非线性规划 17
- 2.1.2 非线性规划函数 17
- 2.1.3 遗传算法基本思想 18
- 2.1.4 算法结合思想 18
- 2.2 案例背景 18
- 2.2.1 问题描述 18
- 2.2.2 算法流程 18
- 2.2.3 遗传算法实现 19
- 2.3 MATLAB程序实现 20
- 2.3.1 适应度函数 20
- 2.3.2 选择操作 20
- 2.3.3 交叉操作 21
- 2.3.4 变异操作 22
- 2.3.5 算法主函数 23
- 2.3.6 非线性寻优 24
- 2.3.7 结果分析 24
- 2.4 延伸阅读 25
- 2.4.1 其他函数的优化 25
- 2.4.2 其他优化算法 26
- 参考文献 26
- 第3章 基于遗传算法的BP神经网络优化算法 27
- 3.1 理论基础 27
- 3.1.1 BP神经网络概述 27
- 3.1.2 遗传算法的基本要素 27
- 3.2 案例背景 27
- 3.2.1 问题描述 27
- 3.2.2 解题思路及步骤 29
- 3.3 MATLAB程序实现 31
- 3.3.1 神经网络算法 31
- 3.3.2 遗传算法主函数 32
- 3.3.3 比较使用遗传算法前后的差别 34
- 3.3.4 结果分析 35
- 3.4 延伸阅读 37
- 参考文献 37
- 第4章 基于遗传算法的TSP算法 38
- 4.1 理论基础 38
- 4.2 案例背景 38
- 4.2.1 问题描述 38
- 4.2.2 解决思路及步骤 39
- 4.3 MATLAB程序实现 40
- 4.3.1 种群初始化 40
- 4.3.2 适应度函数 40
- 4.3.3 选择操作 41
- 4.3.4 交叉操作 41
- 4.3.5 变异操作 43
- 4.3.6 进化逆转操作 43
- 4.3.7 画路线轨迹图 43
- 4.3.8 遗传算法主函数 44
- 4.3.9 结果分析 47
- 4.4 延伸阅读 48
- 4.4.1 应用扩展 48
- 4.4.2 遗传算法的改进 49
- 4.4.3 算法的局限性 49
- 参考文献 49
- 第5章 基于遗传算法的LQR 控制器优化设计 50
- 5.1 理论基础 50
- 5.1.1 LQR控制 50
- 5.1.2 基于遗传算法设计LQR控制器 50
- 5.2 案例背景 51
- 5.2.1 问题描述 51
- 5.2.2 解题思路及步骤 52
- 5.3 MATLAB程序实现 53
- 5.3.1 模型实现 53
- 5.3.2 遗传算法实现 54
- 5.3.3 结果分析 56
- 参考文献 56
- 第6章 遗传算法工具箱详解及应用 57
- 6.1 理论基础 57
- 6.1.1 遗传算法的一些基本概念 57
- 6.1.2 遗传算法与直接搜索工具箱 58
- 6.2 案例背景 58
- 6.2.1 问题描述 58
- 6.2.2 解题思路及步骤 59
- 6.3 MATLAB程序实现 59
- 6.3.1 GADST各函数详解 59
- 6.3.2 GADST的使用简介 63
- 6.3.3 使用GADST求解遗传算法相关问题 66
- 6.4 延伸阅读 68
- 参考文献 68
- 第7章 多种群遗传算法的函数优化算法 69
- 7.1 理论基础 69
- 7.1.1 遗传算法早熟问题 69
- 7.1.2 多种群遗传算法概述 69
- 7.2 案例背景 70
- 7.2.1 问题描述 70
- 7.2.2 解题思路及步骤 71
- 7.3 MATLAB程序实现 71
- 7.3.1 移民算子 72
- 7.3.2 人工选择算子 72
- 7.3.3 目标函数 73
- 7.3.4 标准遗传算法主函数 73
- 7.3.5 多种群遗传算法主函数 74
- 7.3.6 结果分析 75
- 7.4 延伸阅读 76
- 参考文献 77
- 第8章 基于量子遗传算法的函数寻优算法 78
- 8.1 理论基础 78
- 8.1.1 量子遗传算法概述 78
- 8.1.2 量子比特编码 78
- 8.1.3 量子门更新 79
- 8.2 案例背景 79
- 8.2.1 问题描述 79
- 8.2.2 解题思路及步骤 80
- 8.3 MATLAB程序实现 82
- 8.3.1 种群初始化 82
- 8.3.2 测量函数 82
- 8.3.3 量子旋转门函数 83
- 8.3.4 适应度函数 84
- 8.3.5 量子遗传算法主函数 85
- 8.3.6 结果分析 87
- 8.4 延伸阅读 87
- 参考文献 88
- 第9章 基于遗传算法的多目标优化算法 89
- 9.1 理论基础 89
- 9.1.1 多目标优化及Pareto最优解 89
- 9.1.2 函数gamultiobj 89
- 9.1.3 函数gamultiobj中的一些基本概念 90
- 9.2 案例背景 90
- 9.2.1 问题描述 90
- 9.2.2 解题思路及步骤 90
- 9.3 MATLAB程序实现 91
- 9.3.1 gamultiobj组织结构 91
- 9.3.2 函数stepgamultiobj分析 92
- 9.3.3 使用函数gamultiobj求解多目标优化问题 99
- 9.3.4 结果分析 100
- 参考文献 101
- 第10章 基于粒子群算法的多目标搜索算法 102
- 10.1 理论基础 102
- 10.2 案例背景 102
- 10.2.1 问题描述 102
- 10.2.2 算法流程 103
- 10.2.3 适应度计算 103
- 10.2.4 筛选非劣解集 103
- 10.2.5 粒子速度和位置更新 103
- 10.2.6 粒子最优 104
- 10.3 MATLAB程序实现 104
- 10.3.1 种群初始化 104
- 10.3.2 种群更新 104
- 10.3.3 更新个体最优粒子 105
- 10.3.4 非劣解筛选 105
- 10.3.5 仿真结果 106
- 10.4 延伸阅读 107
- 参考文献 107
- 第11章 基于多层编码遗传算法的车间调度算法 108
- 11.1 理论基础 108
- 11.2 案例背景 108
- 11.2.1 问题描述 108
- 11.2.2 模型建立 108
- 11.2.3 算法实现 109
- 11.3 MATLAB程序实现 110
- 11.3.1 主函数 110
- 11.3.2 适应度值计算 111
- 11.3.3 交叉函数 113
- 11.3.4 变异函数 113
- 11.3.5 仿真结果 114
- 11.4 案例扩展 115
- 11.4.1 模糊目标 115
- 11.4.2 代码分析 116
- 11.4.3 仿真结果 117
- 参考文献 117
- 第12章 免疫优化算法在物流配送中心选址中的应用 118
- 12.1 理论基础 118
- 12.1.1 物流中心选址问题 118
- 12.1.2 免疫算法的基本思想 118
- 12.2 案例背景 119
- 12.2.1 问题描述 119
- 12.2.2 解题思路及步骤 120
- 12.3 MATLAB程序实现 122
- 12.3.1 免疫算法主函数 122
- 12.3.2 多样性评价 123
- 12.3.3 免疫操作 124
- 12.3.4 仿真实验 127
- 12.4 案例扩展 128
- 参考文献 129
