MATLAB智能算法超级学习手册

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最小值　108

6.3.2　无约束的多元函数最小值　109

6.3.3　有约束的多元函数最小值　111

6.3.4　二次规划问题　114

6.4　“半无限”有约束的多元函数最优解　117

6.5　极小化极大问题　121

6.6　多目标规划问题　123

6.7　最小二乘最优问题　126

6.7.1　约束线性最小二乘　126

6.7.2　非线性曲线拟合　128

6.7.3　非线性最小二乘　129

6.7.4　非负线性最小二乘　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　最优控制　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　一维函数全局最优　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　366

18.6.2　适应度函数　366

18.6.3　选择策略　366

18.6.4　控制参数　366

18.7　本章小结　366

第19章　基于蚁群算法的路径规划计算　367

19.1　基于蚁群算法的二维路径规划算法　367

19.1.1　MAKLINK图论　367

19.1.2　蚁群算法理论　368

19.1.3　Dijkstra算法　369

19.1.4　路径规划问题分析求解　369

19.2　基于蚁群算法的三维路径规划算法　378

19.2.1　三维空间抽象建模　378

19.2.2　三维路径问题　379

19.2.3　信息素更新　379

19.2.4　可视搜索空间　380

19.2.5　蚁群搜索策略　380

19.2.6　路径规划问题分析求解　381

19.3　本章小结　388

第20章　基于蚁群算法的TSP求解　389

20.1　蚁群算法理论研究现状　389

20.2　蚁群算法的基本原理　391

20.3　基于ACO的TSP求解　394

20.4　基于ACO_PSO的TSP求解　398

20.5　本章小结　408

第21章　基于模拟退火的粒子群算法　409

21.1　基于模拟退火的粒子群算法　409

21.1.1　模拟退火算法的提出　409

21.1.2　模拟退火算法的步骤　410

21.1.3　模拟退火的粒子群算法　410

21.2　本章小结　416

第22章　基于人群搜索算法的函数优化　417

22.1　SOA算法的基本原理　417

22.1.1　利己行为　417

22.1.2　利他行为　418

22.1.3　预动行为　418

22.1.4　不确定性行为　418

22.2　人群搜索算法　418

22.2.1　搜索步长的确定　419

22.2.2　搜索方向的确定　420

22.2.3　搜寻者个体位置的更新　420

22.2.4　算法的实现　420

22.3　基于人群搜索算法的函数优化　421

22.3.1　优化函数的选择　421

22.3.2　函数优化的结果　421

22.4　本章小结　432

第23章　数控机床进给伺服系统的SOA-PID参数整定　433

23.1　SOA算法在PID控制中的运用　433

23.1.1　PID控制原理　433

23.1.2　PID的离散化处理　434

23.1.3　基于SOA的PID参数整定的基本原理　434

23.2　基于SOA的PID参数整定的设计方案　435

23.2.1　参数的编码　435

23.2.2　适应度函数的选取　435

23.2.3　算法流程　436

23.2.4　算法实例　436

23.2.5　PID参数整定结果　436

23.3　数控机床进给伺服系统的数学模型　454

23.3.1　数控机床进给伺服系统的PMSM数学模型　454

23.3.2　矢量变换原理　455

23.3.3　Clarke变换　456

23.3.4　Park变换　456

23.3.5　同步旋转坐标上的PMSM数学模型　457

23.4　机械参量和负载的折算　457

23.5　矢量控制和磁场定向原理　458

23.5.1　矢量控制原理　459

23.5.2　磁场定向原理　459

23.5.3　磁场定向(id=0)的控制方式下的PMSM进给伺服系统模型　460

23.5.4　数控机床进给伺服系统数学模型的传递函数的表示　460

23.6　基于SOA算法对数控机床进给伺服系统PID优化　461

23.6.1　适应度函数的选取　461

23.6.2　SOA算法流程　461

23.6.3　PID参数整定结果　461

23.7　本章小结　479

参考文献　480

作者均是经验丰富的专业工程师，内容来源于作者多年工作经验的总结。无论是从案例的选择、讲解的详细程度、书中涉及的专业知识等各方面都充分考虑到读者的喜好，力求打造“工程软件应用精解”这一长销品牌。·由浅入深，循序渐进：本书以MATLAB爱好者为对象，首先从MATLAB使用基础讲起，再辅以MATLAB智能算法在工程中的应用案例，帮助读者尽快掌握MATLAB进行智能算法学习和开发。·步骤详尽、内容新颖：本书结合作者多年MATLAB使用经验与实际工程应用案例，将MATLAB软件的使用方法与技巧详细地讲解给读者。本书在智能算法讲解过程中，步骤详尽，讲解过程辅以相应的流程图，使读者在阅读时一目了然，从而快速掌握书中所讲内容。·实例典型，轻松易学：通过学习实际工程应用案例，运用智能算法进行操作求解，是掌握MATLAB智能算法编程应用最好的方式。本书通过综合应用案例，透彻详尽地讲解了MATLAB在智能算法的应用研究。MATLAB为广大科研工作者的必备工具之一，智能算法在工程实际上得到较广泛的应用。《MATLAB智能算法超级学习手册》基于MATLAB R2013a软件，全面地介绍和举例验证智能算法的有效性。　　智能算法种类较多，《MATLAB智能算法超级学习手册》的内容主要包括马尔科夫链模型、层次分析法、粒子群算法、遗传算法、蚁群算法、鱼群算法、PID控制算法、神经网络算法等。智能算法对于很多初学者而言，有一定的困难，很难理解程序流程、数据的运算过程，因此给实际应用带来困难。本书将围绕智能算法展开综述，深入浅出地介绍和分析各类智能算法，用智能算法解决工程应用问题。　　《MATLAB智能算法超级学习手册》以工程应用为目标，深入浅出，实例引导，讲解详实，适合作为理工科高等院校研究生、本科生的教学用书，也可作为广大科研和工程技术人员的参考用书。【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。