MATLAB智能算法30個案例分析(DOC 115頁)

內容摘要
MATLAB 智能算法30個案例分析
智能算法是我們在學習中經常遇到的算法，主要包括遺傳算法，免疫算法，粒子群算法，神經網絡等，智能算法對於很多人來說，既愛又恨，愛是因為熟練的掌握幾種智能算法，能夠很方便的解決我們的論壇問題，恨是因為智能算法感覺比較“玄乎”，很難理解，更難用它來解決問題。
因此，我們組織了王輝，史峰，鬱磊，胡斐四名高手共同寫作MATLAB智能算法，該書包含了遺傳算法，免疫算法，粒子群算法，魚群算法，多目標pareto算法，模擬退火算法，蟻群算法，神經網絡，SVM等，本書最大的特點在於以案例為導向，每個案例針對一個實際問題，給出全部程序和求解思路，並配套相關講解視頻，使讀者在讀過一個案例之後能夠快速掌握這種方法，並且會套用案例程序來編寫自己的程序。本書作者在線，讀者和會員可以向作者提問，作者做到有問必答。
本書和目錄如下：
1 基於遺傳算法的TSP算法（王輝）
TSP (旅行商問題—Traveling Salesman Problem)，是典型的NP完全問題，即其最壞情況下的時間複雜性隨著問題規模的增大按指數方式增長，到目前為止不能找到一個多項式時間的有效算法。遺傳算法是一種進化算法，其基本原理是仿效生物界中的“物競天擇、適者生存”的演化法則。遺傳算法的做法是把問題參數編碼為染色體，再利用迭代的方式進行選擇、交叉以及變異等運算來交換種群中染色體的信息，最終生成符合優化目標的染色體。實踐證明，遺傳算法對於解決TSP問題等組合優化問題具有較好的尋優性能。
2 基於遺傳算法和非線性規劃的函數尋優算法（史峰）
遺傳算法提供了求解非線性規劃的通用框架，它不依賴於問題的具體領域。遺傳算法的優點是將問題參數編碼成染色體後進行優化， 而不針對參數本身， 從而不受函數約束條件的限製； 搜索過程從問題解的一個集合開始， 而不是單個個體， 具有隱含並行搜索特性， 可大大減少陷入局部最小的可能性。而且優化計算時算法不依賴於梯度信息，且不要求目標函數連續及可導，使其適於求解傳統搜索方法難以解決的大規模、非線性組合優化問題。
3 基於遺傳算法的BP神經網絡優化算法（王輝）
BP模型被廣泛地應用於模式分類、模式識別等方麵．但BP算法收斂速度慢，且很容易陷入局部極小點，而遺傳算法具有並行搜索、效率高、不存在局部收斂問題等優點而被廣泛應用．遺傳算法的尋優過程帶有一定程度的隨機性和盲從性，多數情況下隻能收斂到全局次優解，且有過早收斂的現象．為了克服遺傳算法尋優過程的盲從性，將有監督學習的BP算法與之結合以達到優勢互補、提高算法的穩定性和全局搜索能力的目的。

..............................