全新MATLAB智能算法温正,孙华克 编著9787302467748

部分 专题介绍
章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能的概念
1.1.2 人工智能的概念
1.1.3 人工智能的研究目标
1.1.4 人工智能的研究方法
1.2 人工智能的特征
1.3 人工智能的应用
1.3.1 机器思维
1.3.2 机器感知
1.3.3 机器行为
1.3.4 机器学习
1.3.5 机器计算
1.3.6 分布式人工智能
1.3.7 机器系统
1.3.8 典型应用
1.4 本章小结
第2章 神经网络算法及其MATLAB实现
2.1 神经网络基础
2.1.1 人工神经网络的发展
2.1.2 人工神经网络研究内容
2.1.3 人工神经网络研究方向
2.1.4 人工神经网络发展趋势
2.2 神经网络的结构及学习
2.2.1 神经网络结构
2.2.2 神经网络学习
2.. MATLAB在神经网络中的应用
. MATLAB神经网络工具箱
..1 神经网络工具箱函数
..2 神经网络工具箱的图形用户界面
.. 神经网络的MATLAB实现
2.4 Simulink神经网络控制工具箱
2.4.1 神经网络模型预测控制
2.4.2 反馈线化控制
2.4.3 模型参考控制
2.5 本章小结
第3章 粒子群算法及其MATLAB实现
3.1 粒子群算法基础
3.1.1 粒子群算法的发展
3.1.2 粒子群算法研究内容
3.1.3 粒子群算法的特点
3.1.4 粒子群算法的应用
3.2 基本粒子群算法
3.2.1 基本原理
3.2.2 算法构成要素
3.. 算法参数设置
3.2.4 算法的基本流程
3.2.5 算法的MATLAB实现
3.3 MATLAB粒子群工具箱
3.4 权重改进的粒子群算法
3.4.1 自适应权重法
3.4.2 随机权重法
3.4.3 线递减权重法
3.5 混合粒子群算法
3.5.1 基于杂交的算法
3.5.2 基于自然选择的算法
3.5.3 基于免疫的粒子群算法
3.5.4 基于模拟退火的算法
3.6 本章小结
第4章 遗传算法及其MATLAB实现
4.1 遗传算法的基本概念
4.1.1 算法的基本运算
4.1.2 遗传算法的特点
4.1.3 遗传算中的语
4.1.4 遗传算法的发展现状
4.1.5 遗传算法的应用领域
4.2 遗传算法的原理
4.2.1 算法运算过程
4.2.2 算法编码
4.. 适应度及初始群体选取
4.3 遗传算法程序设计及其MATLAB工具箱
4.3.1 程序设计
4.3.2 算法参数设计原则
4.3.3 适应度函数的调整
4.3.4 算法MATLAB工具箱及其应用
4.3.5 遗传算法的GUI实现
4.4 遗传算法的典型应用
4.4.1 利用遗传算法求解函数极值
4.4.2 遗传算法在TSP中的应用
4.4.3 遗传算法的求解优化
4.5 本章小结
第5章 模糊逻辑控制及其MATLAB实现
5.1 模糊逻辑控制基础
5.1.1 模糊逻辑控制的基本概念
5.1.2 模糊逻辑控制原理
5.1.3 模糊逻辑控制器设计的内容
5.1.4 模糊逻辑控制规则设计
5.1.5 模糊逻辑控制系统的应用领域
5.2 模糊逻辑控制工具箱
5.2.1 模糊逻辑控制工具箱的功能特点
5.2.2 模糊系统的基本类型
5.. 模糊逻辑控制系统的构成
5.2.4 模糊推理系统的建立、修改与存储管理
5.2.5 模糊语言变量及其语言值
5.2.6 模糊语言变量的隶属度函数
5.2.7 模糊规则的建立与修改
5.2.8 模糊推理计算与去模糊化
5.3 模糊逻辑控制工具箱的图形界工
5.3.1 FIS编辑器
5.3.2 隶属度函数编辑器
5.3.3 模糊规则编辑器
5.3.4 模糊规则浏览器
5.3.5 模糊推理输入输出曲面视图
5.4 模糊逻辑控制的经典应用
5.4.1 基于Simulink的模糊逻辑控制应用
5.4.2 基于模糊逻辑控制的路径规划应用
5.5 本章小结
第6章 免疫算法及其MATLAB实现
6.1 免疫算法的基本概念
6.1.1 生物免疫系统
6.1.2 免疫算法基本原理
6.1.3 免疫算法步骤和流程
6.1.4 免疫系统模型和免疫算法
6.1.5 免疫算法特点
6.1.6 免疫算法的发展趋势
6.2 免疫遗传算法
6.2.1 免疫遗传算法步骤和流程
6.2.2 基于MATLAB实现免疫遗传算法
6.3 免疫算法的MATLAB应用
6.3.1 免疫算法在克隆选择中的应用
6.3.2 免疫算法在短路径规划问题中的应用
6.3.3 免疫算法在TSP中的应用
6.3.4 免疫算法在故障检测中的应用
6.4 本章小结
第7章 蚁群算法及其MATLAB实现
7.1 蚁群算法概述
7.1.1 蚁群算法起源
7.1.2 蚁群算法的基本原理
7.1.3 自适应蚁群算法的介绍
7.1.4 蚁群算法实现的重要规则
7.1.5 蚁群算法的特点
7.1.6 蚁群优化算法的应用
7.2 蚁群算法的MATLAB实现
7.3 蚁群算法在MATLAB中的应用
7.3.1 蚁群算法在路径规划中的应用
7.3.2 蚁群算法在解决TSP中的应用
7.4 本章小结
第8章 小波分析算法及其MATLAB实现
8.1 傅里叶变换到小波分析
8.1.1 傅里叶变换
8.1.2 小波分析
8.2 Mallat算法
8.2.1 Mallat算法原理
8.2.2 常用小波函数介绍
8.. Mallat算法示例
8.3 小波GUI简介
8.4 小波分析用例
8.4.1 信号压缩
8.4.2 信号去噪
8.4.3 分离信号的不同成分
8.5 小波变换在图像处理中的应用
8.5.1 小波变换用于图像压缩
8.5.2 小波在图像边缘检测的应用
8.5.3 小波变换在图像方面的应用
8.6 本章小结
第二部分 综合实例应用
第9章 模糊神经网络在工程中的应用
9.1 模糊神经网络
9.1.1 模糊神经网络概述
9.1.2 模糊系统与神经网络的区别与联系
9.1.3 典型模糊神经网络结构
9.1.4 自适应模糊神经推理系统
9.2 模糊神经网络建模方法
9.3 模糊神经网络在工程中的应用
9.3.1 模糊神经网络在解耦控制中的应用
9.3.2 模糊神经网络在函数逼近中的应用
9.4 本章小结
0章 遗传算法在图像处理中的应用
10.1 图像分割的基础知识
10.1.1 图像分割的概念
10.1.2 图像分割的理论
10.1.3 灰度门限法简介
10.1.4 基于优选类间方差图像分割原理
10.2 遗传算法实现图像分割
10.2.1 利用遗传算法实现图像分割的原理
10.2.2 算法的实现
10.3 遗传算法在图像处理中的应用
10.3.1 基于遗传算法的道路图像阈值分割
10.3.2 基于遗传神经网络的图像分割
10.3.3 应用遗传算法和KSW熵法实现灰度图像阈值分割
10.4 本章小结
1章 神经网络在参数估计中的应用
11.1 参数估计的基本知识
11.1.1 参数估计的概念
11.1.2 点估计与区间估计
11.1.3 样本容量
11.2 几种通用神经网络MATLAB代码
11.3 神经网络在参数估计中的应用
11.3.1 神经网络在人脸识别中的应用
11.3.2 灰色神经网络在数据预测中的应用
11.3.3 BP神经网络在数据预测中的应用
11.3.4 概率神经网络在分类预测中的应用
11.4 本章小结
2章 基于智能算法的P控制器设计
12.1 P控制器的理论基础
12.2 智能算法在P控制器设计中的应用
12.2.1 神经网络在P控制器设计中的应用
12.2.2 模糊控制在P控制器设计中的应用
12.. 遗传算法在P控制器设计中的应用
1. 本章小结
3章 智能算法综合应用
13.1 模糊神经网络控制在MATLAB中的应用
13.2 基于遗传算法的MP算法的应用
13.3 本章小结
参考文献

温正，北京航空航天大学博士后，现就职于航天某院所，精通MATLAB、ANSYS、Fluent等工程计算软件。在靠前外期刊发表多篇，其中被EI检索3篇。申请并获得授权多项，曾获得国防科学技术成果奖等奖项，曾编写多本计算机图书。

前言



美国MathWorks公司的MATLAB软件是一款用于算法开发、数据可视化、数据分析以及数值计算的不错技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。这款软件和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中首屈一指。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来实现智能算法设计要比用C、FORTRAN等语言更为方便。
在人工智能研究领域，智能算法是其重要的一个分支。目前智能计算正在蓬勃发展，研究人工智能的领域十分活跃。虽然智能算法研究水平暂时还很难使“智能机器”真正具备人类的智能，但是人工脑是人脑和生物脑的结合，这种结合将使人工智能的研究更广、更深。

智能计算不断地在探索智能的新概念、新理论、新方法和新技术，这些研究成果将给人类世界带来巨大的改变。本书将详细介绍应用MATLAB 2016a进行智能算法的设计及应用方法。
1. 本书特点
(1) 由浅入深，循序渐进。本书以初、中读者为对象，首先从人工智能概述的基础讲起，再以各种智能算法原理及其在MATLAB中的应用案例帮读者尽快掌握神经网络设计的技能。
(2) 步骤详尽、内容新颖。本书结合作者多年的MATLAB智能算法使用经验与实际工程应用案例，将智能算法的原理及其MATLAB的实现方法与技巧详细地讲解给读者。本书在讲解过程中步骤详尽、内容新颖，讲解过程辅以相应的图片，使读者在阅读时一目了然，从而快速把握书中所讲内容。
(3) 实例典型，轻松易学。通过学习实际工程应用案例的具体操作是掌握神经网络设计优选的方式。本书通过综合应用案例，透彻详尽地讲解了神经网络在各方面的应用。
2. 本书内容

本书基于MATLAB 2016a版本，讲解了智能算法在MATLAB 2016a的实现。本书分为两个部分： 专题介绍部分和综合实例应用部分。

部： 专题介绍。主要介绍了神经网络算法、粒子群算法、遗传算法、模糊逻辑控制、免疫算法、蚁群算法、小波分析算法等。
章人工智能概述
第2章神经网络算法及其MATLAB实现
第3章粒子群算法及其MATLAB实现
第4章遗传算法及其MATLAB实现
第5章模糊逻辑控制及其MATLAB实现
第6章免疫算法及其MATLAB实现
第7章蚁群算法及其MATLAB实现
第8章小波分析算法及其MATLAB实现
第二部分： 综合实例应用。主要介绍了几种智能算法的综合应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的P控制和智能算法的综合应用。
第9章模糊神经网络在工程中的应用
0章遗传算法在图像处理中的应用
1章神经网络在参数估计中的应用
2章基于智能算法的P控制器设计
3章智能算法的综合应用
3. 读者对象
本书适合于MATLAB智能算法设计初学者和期望提高智能算法工程应用能力的读者，具体说明如下：
人工智能从业人员初学MATLAB智能算法设计的技术人员
大中专院校的教师和在校生相关培训机构的教师和学员
MATLAB爱好者广大科研工作人员
4. 读者服务
为了方便解决本书疑难问题，读者朋友在学习过程中若遇到与本书有关的技术问题，可以发邮件到邮箱caxart@126.com或者访问博客http://blog.sina.com.cn/caxart，编者会尽快给予解答，我们将竭诚为您服务。

另外本书所涉及的素材文件（程序代码）已经上传到为本书提供的博客中，读者可以访问下载。
5． 本书作者

本书主要由温正、孙华克编著。此外，付文利、王广、张岩、沈再阳、林晓阳、任艳芳、唐家鹏、孙国强、高飞等也参与了本书部分内容的编写工作，在此表示感谢。
虽然作者在本书的编写过程中力求叙述准确、完善，但由于水平有限，书中欠妥之处在所难免，希望读者和同仁够时指出，共同促进本书质量的提高。
再次希望本书能为读者的学习和工作提供帮！

编者
2017年6月