●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
1.3MATLAB程序實現
1.3.1工具箱結構
1.3.2遺傳算法常用函數
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章基於遺傳算法和非線性規劃的函數尋優算法
2.1理論基礎
2.1.1非線性規劃
2.1.2非線性規劃函數
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
2.3MATLAB程序實現
2.3.1適應度函數
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
2.3.6非線性尋優
2.3.7結果分析
2.4延伸閱讀
2.4.1其他函數的優化
2.4.2其他優化算法
參考文獻
第3章基於遺傳算法的BP神經網絡優化算法
3.1理論基礎
3.1.1BP神經網絡概述
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
3.3MATLAB程序實現
3.3.1神經網絡算法
3.3.2遺傳算法主函數
3.3.3比較使用遺傳算法前後的差別
3.3.4結果分析
3.4延伸閱讀
參考文獻
第4章基於遺傳算法的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
4.3MATLAB程序實現
4.3.1種群初始化
4.3.2適應度函數
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
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章基於遺傳算法的LQR控制器優化設計
5.1理論基礎
5.1.1LQR控制
5.1.2基於遺傳算法設計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優化算法
第8章基於量子遺傳算法的函數尋優算法
第9章基於遺傳算法的多目標優化算法
0章基於粒子群算法的多目標搜索算法
1章基於多層編碼遺傳算法的車間調度算法
2章免疫優化算法在物流配送中心選址中的應用
3章粒子群算法的尋優算法
4章基於粒子群算法的PID控制器優化設計
5章基於混合粒子群算法的TSP搜索算法
6章基於動態粒子群算法的動態環境尋優算法
7章基於PSO工具箱的函數尋優算法
8章基於魚群算法的函數尋優算法
9章基於模擬退火算法的TSP算法
第20章基於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其應用
第22章蟻群算法的優化計算——旅行商問題（TSP）優化
第23章基於蟻群算法的二維路徑規劃算法
第24章基於蟻群算法的三維路徑規劃算法
第25章有導師學習神經網絡的回歸擬合——基於近紅外光譜的汽油辛烷值預測
第26章有導師學習神經網絡的分類——鳶尾花種類識別
第27章無導師學習神經網絡的分類——礦井突水水源判別
第28章支持向量機的分類——基於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