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。

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