《matlab智能算法30個案例分析》(作者史峰、王輝、郁磊、胡斐)是作者多年從事算法研究的經(jīng)驗總結。書中所有案例均因國內各大matlab技術論壇網(wǎng)友的切身需求而精心設計，其中不少案例所涉及的內容和求解方法在國內現(xiàn)已出版的matlab書籍中鮮有介紹。
《matlab智能算法30個案例分析》采用案例形式，以智能算法為主線，講解了遺傳算法、免疫算法、退火算法、粒子群算法、魚群算法、蟻群算法和神經(jīng)網(wǎng)絡算法等最常用的智能算法的matlab實現(xiàn)。本書共給出30個案例，每個案例都是一個使用智能算法解決問題的具體實例，所有案例均由理論講解、案例背景、matlab程序實現(xiàn)和擴展閱讀四個部分組成，并配有完整的原創(chuàng)程序，使讀者在掌握算法的同時更能快速提高使用算法求解實際問題的能力。本書可作為本科畢業(yè)設計、研究生項目設計、博士低年級課題設計參考書籍，同時對廣大科研人員也有很高的參考價值。

目錄:

第1章 謝菲爾德大學的MATLAB遺傳算法工具箱
1.1 理論基礎
1.1.1 遺傳算法概述
1.1.2 謝菲爾德遺傳算法工具箱
1.2 案例背景
1.2.1 問題描述
1.2.2 解題思路及步驟
1.3 MATLAB程序實現(xiàn)
1.3.1 工具箱結構
1.3.2 遺傳算法常用函數(shù)
1.3.3 遺傳算法工具箱應用舉例
1.4 延伸閱讀
參考文獻
第2章 基于遺傳算法和非線性規(guī)捌的函數(shù)尋優(yōu)算法
2.1 理論基礎
2.1 J1非線性規(guī)劃
2.1.2 非線性規(guī)劃函數(shù)
2.1.3 遺傳算法基本思想
2.1.4 算法結合思想
2.2 案例背景
2.2.1 問題描述
2.2.2 算法流程
2.2.3 遺傳算法實現(xiàn)
2.3 MATI。AB程序實現(xiàn)
2.3.1 適應度函數(shù)
2.3.2 選擇操作
2.3.3 交叉操作
2.3.4 變異操作
2.3.5 算法主函數(shù)
2.3.6 非線性尋優(yōu)
2.3.7 結果分析
2.4 延伸閱讀
2.4.1 其他函數(shù)的優(yōu)化
2.4.2 其他優(yōu)化算法
參考文獻
第3章 基于遺傳算法的BP神經(jīng)網(wǎng)絡優(yōu)化算法
3.1 理論基礎
3.1.1 BP神經(jīng)網(wǎng)絡概述
3.1.2 遺傳算法的基本要素
3.2 案例背景
3.2.1 問題描述
3.2.2 解題思路及步驟
3.3 MATLAB程序實現(xiàn)
3.3.1 神經(jīng)網(wǎng)絡算法
3，3，2遺傳算法主函數(shù)
3.3.3 比較使用遺傳算法前后的差別
3.3.4 結果分析
3.4 延伸閱讀
參考文獻
第4章 基于遺傳算法的TsP算法
4.1 理論基礎
4.2 案例背景
4.2.1 問題描述
4.2.2 解決思路及步驟
4.3 MATI.AB程序實現(xiàn)
4.3.1 種群初始化
4.3.2 適應度函數(shù)
4.3.3 選擇操作
4.3.4 交叉操作
4.3.5 變異操作
4.3.6 進化逆轉操作
4.3.7 畫路線軌跡圖
4.3.8 遺傳算法主函數(shù)
4.3.9 結果分析
4.4 延伸閱讀
4.4.1 應用擴展
4.4.2 遺傳算法的改進
4.4.3 算法的局限性
參考文獻
第5章 基于遺傳算法的LQR控制器優(yōu)化設計
5.1 理論基礎
5.1.1 LQR控制
5.1 1.2 基于遺傳算法設計LQR控制器
5.2 案例背景
5.2.1 問題描述
5.2.2 解題思路及步驟
……
第6章 遺傳算法工具箱詳解及應用
第7章 多種群遺傳算法的函數(shù)優(yōu)化算法
第8章 基于量子遺傳算法的函數(shù)尋優(yōu)算法
第9章 基于遺傳算法的多目標優(yōu)化算法
第10章 基于粒子群算法的多目標搜索算法
第11章 基于多層編碼遺傳算法的車間調度算法
第12章 免疫優(yōu)化算法在物流配送中心選址中的應用
第13章 粒子群算法的尋優(yōu)算法
第14章 基于粒子群算法的PID控制器優(yōu)化設計
第15章 基于混合粒子群算法的TSP搜索算法”
第16章 基于動態(tài)粒子群算法的動態(tài)環(huán)境尋優(yōu)算法
第17章 基于PSO工具箱的函數(shù)尋優(yōu)算法
第18章 基于魚群算法的函數(shù)尋優(yōu)算法
第19章 基于模擬退火算法的TSP算法
第20章 基于遺傳模擬退火算法的聚類算法
第21章 模擬退火算法工具箱及應用
第22章 蟻群算法的優(yōu)化計算——旅行商問題(TSP)優(yōu)化
第23章 基于蟻群算法的二維路徑規(guī)劃算法
第24章 基于蟻群算法的三維路徑規(guī)劃算法
第25章 有導師學習神經(jīng)網(wǎng)絡的回歸擬合——基于近紅外光譜的汽油辛烷值預測
第26章 有導師學習神經(jīng)網(wǎng)絡的分類——鳶尾花種類識別
第27章 無導師學習神經(jīng)網(wǎng)絡的分類——礦井突水水源判別
第28章 支持向量機的分類——基于乳腺組織電阻抗特性的乳腺癌診斷
第29章 支持向量機的回歸擬合——混凝土抗壓強度預測
第30章 極限學習機的回歸擬合及分類——對比實驗研究
參考文獻