更新时间：2021-06-10 20:04:44
封面
版权信息
内容简介
前言
第1章 步入MATLAB R2020a
1.1 MATLAB的概述
1.2 MATLAB的特点及应用领域
1.3 MATLB R2020a的新功能
1.4 MATLAB的工作环境
1.5 MATLAB的编程基础
1.6 MATLAB的矩阵运算
1.7 MATLAB的程序结构
1.8 M文件
第2章 智能算法的基本概念
2.1 智能算法的概述
2.2 人工智能的概念
2.3 人工智能的技术应用
2.4 人工智能的典型应用
2.5 人工智能发展的先决条件
2.6 人工智能的三个层次
2.7 人工智能的影响
2.8 人工智能的典型算法
第3章 差分进化算法分析
3.1 差分进化算法的理论
3.2 基本差分进化算法
3.3 差分进化算法的运算流程
3.4 控制参数的选择
3.5 改进差分进化算法
3.6 差分进化算法的应用
3.7 差分进化算法的MATLAB实现
第4章 种群算法分析
4.1 种群的主要特征
4.2 种群动态模型
4.3 种群竞争模型
4.4 蓝鲸与长须鲸的竞争模型
第5章 遗传算法分析
5.1 遗传算法的概述
5.2 遗传算法的原理
5.3 遗传算法的改进方向
5.4 遗传算法的工具箱
5.5 遗传算法解决最优化问题
第6章 蚁群算法分析
6.1 蚁群算法的基础
6.2 改进的蚁群系统
6.3 自适应蚁群算法
6.4 蚁群优化算法的应用
6.5 蚁群算法的发展趋势和展望
6.6 蚁群算法的实现
第7章 粒子群算法分析
7.1 引言
7.2 粒子群算法的基础
7.3 基本粒子群算法
7.4 粒子群算法求解极值
7.5 改进粒子群算法
7.6 粒子群算法的MATLAB实现
第8章 免疫算法分析
8.1 免疫算法的来源
8.2 免疫算法的基本概念
8.3 免疫算法算子
8.4 免疫算法与遗传算法的比较
8.5 免疫算法的应用
8.6 人工免疫的粒子群聚类算法
第9章 模拟退火算法分析
9.1 模拟退火算法的理论
9.2 模拟退火算法的改进方向
9.3 模拟退火的粒子群算法
9.4 模拟退火算法在最优化中的应用
第10章 支持向量机算法分析
10.1 支持向量机的概述
10.2 统计学
10.3 支持向量机
10.4 支持向量机的应用
第11章 神经网络算法分析
11.1 神经网络的概述
11.2 感知器
11.3 线性神经网络
11.4 BP神经网络
11.5 径向基函数神经网络
11.6 自组织竞争神经网络
第12章 模糊逻辑控制算法分析
12.1 模糊逻辑控制的概述
12.2 模糊逻辑控制工具箱
12.3 模糊推理系统
12.4 模糊逻辑控制系统的Simulink连接
12.5 模糊神经网络
参考文献
