本書算法**，實例豐富，並提供實例源代碼的免費下載。

本書以MATLAB R2017a為平臺，以智能算法為背景，全面詳細地介紹了人工智能的各種新型算法。本書內容以理論為基礎，以實際應用為主導，循序漸進地向讀者講解怎樣利用MATLAB智能算法解決實際問題。全書共13章，主要內容包括MATLAB R2017a軟件的基礎知識、智能算法的理論、人工神經網絡算法、模糊邏輯控制算法、粒子群算法、蟻群算法、模擬退火算法、遺傳算法、免疫算法、禁忌搜索算法、支持向量機算法及小波分析算法等。

張德豐，男， 1963年9月生，遼寧大連人。1993年畢業於哈爾濱工業大學航天學院，獲得工學碩士學位。現佛山科學技術學院，電子信息工程學院計算機繫，計算機應用技術教授。學院數字圖像處理與識別學術帶頭人。

目 錄

第1章 初識MATLAB R2017a 1
1.1 MATLAB的應用領域和優勢 1
1.2 MATLAB R2017a的新功能 3
1.3 MATLAB的編程風格 4
1.4 MATLAB的接口技術 5
1.5 MATLAB與C/C++混合編程 5
1.6 MATLAB的工作環境 6
1.6.1 菜單/工具欄 7
1.6.2 命令行窗口 7
1.6.3 工作區 8
1.7 MATLAB的常用命令 9
1.8 MATLAB的幫助繫統 10
1.8.1 純文本幫助 10
1.8.2 演示幫助 12
1.9 MATLAB的數據類型 13
1.9.1 數值類型 13
1.9.2 字符與字符串 16
1.9.3 邏輯類型 18
1.9.4 函數句柄 19
1.9.5 結構數組 21
1.9.6 元胞數組 24
1.10 MATLAB的運算符 28
1.10.1 算術運算符 28
1.10.2 關繫運算符 29
1.10.3 邏輯運算符 30
1.10.4 運算優先級 31
第2章 MATLAB的編程基礎 32
2.1 數組及其運算 32
2.1.1 數組的創建 32
2.1.2 數組的運算 33
2.2 矩陣及其運算 35
2.2.1 矩陣的創建 35
2.2.2 特殊矩陣的生成 37
2.2.3 矩陣的操作 39
2.2.4 矩陣的基本運算 41
2.2.5 矩陣的相關運算 42
2.3 MATLAB控制語句 44
2.3.1 循環結構 44
2.3.2 分支控制語句 46
2.4 m文件 49
2.4.1 m文件的分類 49
2.4.2 m文件的結構 51
2.5 圖形可視化 51
2.5.1 MATLAB的繪圖步驟 52
2.5.2 在工作空間直接繪圖 52
2.5.3 二維圖形繪制 53
2.5.4 圖形的修飾 55
2.5.5 三維繪圖 58
第3章 人工智能概述 62
3.1 什麼是智能 62
3.1.1 智能的定義 62
3.1.2 人工智能的定義 63
3.2 人工智能的發展 64
3.3 人工智能的研究方法 64
3.4 人工智能的危機 66
3.5 人工智能的應用 67
3.6 人工智能的發展趨勢 67
3.7 人工智能對人類的深遠影響 68
3.7.1 人工智能對經濟的影響 68
3.7.2 人工智能對社會的影響 68
3.7.3 人工智能對文化的影響 70
3.8 各種常用智能算法 71
3.8.1 群智能算法 71
3.8.2 模擬退火算法 72
3.8.3 禁忌搜索算法 72
3.8.4 神經網絡算法 72
第4章 人工神經網絡算法 74
4.1 人工神經網絡概述 74
4.1.1 神經網絡研究的方向 74
4.1.2 人腦工作原理 75
4.1.3 人工神經網絡的工作原理 75
4.1.4 人工神經網絡的基本特征 76
4.1.5 人工神經網絡的特點 77
4.2 神經網絡算法的理論 78
4.2.1 人工神經元模型 78
4.2.2 常用激活函數 79
4.2.3 神經網絡模型 80
4.2.4 神經網絡工作方式 81
4.2.5 幾種常見的神經網絡 81
4.3 BP神經網絡 84
4.3.1 BP神經網絡的拓撲結構 84
4.3.2 BP神經網絡的訓練 85
4.3.3 BP神經網絡的學習方法 86
4.3.4 BP神經網絡的實現 90
4.4 徑向基神經網絡 93
4.4.1 RBF的基本思想 94
4.4.2 RBF的網絡模型 94
4.4.3 RBF的網絡輸出 94
4.4.4 RBF網絡的學習過程 95
4.4.5 RBF網絡有關的幾個問題 97
4.4.6 RBF神經網絡的應用 98
4.5 自組織神經網絡 106
4.5.1 自組織競爭神經網絡的基本概念 107
4.5.2 自組織特征映射神經網絡 108
4.5.3 自組織競爭神經網絡的應用 110
4.6 對向傳播神經網絡 114
4.6.1 CPN的基本概念 114
4.6.2 CPN網絡的學習算法 115
4.7 廣義回歸神經網絡 115
4.7.1 廣義回歸神經網絡的結構 116
4.7.2 廣義回歸神經網絡的優點 116
4.7.3 廣義回歸神經網絡的應用 117
4.8 概率神經網絡 118
4.8.1 概率神經網絡的結構 118
4.8.2 概率神經網絡的優缺點 119
4.8.3 概率神經網絡的應用 120
4.9 Hopfield神經網絡 125
4.9.1 Hopfield神經網絡的結構 125
4.9.2 Hopfield神經網絡的學習算法 126
4.9.3 Hopfield神經網絡的應用 126
第5章 模糊邏輯控制算法 132
5.1 模糊邏輯控制概述 132
5.1.1 模糊、神經網絡、人工智能間的關繫 132
5.1.2 神經網絡和模糊繫統的比較 133
5.1.3 模糊和神經網絡的結合 135
5.2 模糊邏輯控制理論 136
5.2.1 模糊邏輯控制的基本概念 136
5.2.2 模糊邏輯的組成 137
5.2.3 模糊邏輯控制原理 137
5.2.4 模糊邏輯控制器的設計內容 139
5.2.5 模糊邏輯控制的規則 139
5.2.6 模糊邏輯控制的應用領域 140
5.3 模糊邏輯控制工具箱 141
5.3.1 模糊邏輯控制工具箱的功能特點 141
5.3.2 模糊繫統的基本類型 142
5.3.3 模糊推理繫統的基本函數 143
5.4 模糊邏輯工具箱的圖形用戶界面 158
5.4.1 FIS編輯器 158
5.4.2 隸屬度函數編輯器 159
5.4.3 模糊規則編輯器 160
5.4.4 模糊規則瀏覽器 161
5.4.5 輸入/輸出曲面視圖 161
5.4.6 模糊推理界面的應用 162
5.5 基於Simulink的模糊邏輯控制 164
5.6 模糊推理繫統在控制繫統中的應用 170
第6章　粒子群算法 174
6.1 粒子群概述 174
6.1.1 人工生命 174
6.1.2 粒子群算法的基本原理 175
6.1.3 全局與局部模式 176
6.1.4 粒子群的算法建模 176
6.1.5 粒子群的特點 176
6.1.6 粒子群算法與其他進化算法的異同 177
6.2 粒子群的種類 177
6.2.1 基本粒子群 177
6.2.2 標準粒子群 178
6.2.3 壓縮因子粒子群 179
6.2.4 離散粒子群 179
6.3 基於粒子群的聚類分析 180
6.4 粒子群算法的MATLAB實現 181
6.5 改進權重粒子群算法 187
6.5.1 自適應權重法 187
6.5.2 隨機權重法 190
6.5.3 線性遞減權重法 192
6.6 混合粒子群算法 194
6.6.1 混合粒子群協同優化的設計思想 194
6.6.2 基於雜交的算法 194
6.6.3 基於自然選擇的算法 197
6.6.4 基於模擬退火的算法 199
6.7 粒子群的應用 202
第7章 蟻群算法 208
7.1 蟻群的基本概念 208
7.1.1 蟻群的覓食過程 208
7.1.2 人工螞蟻與真實螞蟻的異同 208
7.1.3 人工蟻群的優化過程 209
7.1.4 蟻群算法的基本原理 210
7.2 改進的蟻群算法 211
7.2.1 蟻群繫統 211
7.2.2 精英蟻群繫統 212
7.2.3 *大*小蟻群繫統 212
7.2.4 排序的蟻群繫統 213
7.2.5 幾種改進蟻群算法的比較 213
7.3 自適應蟻群算法 213
7.4 蟻群算法的重要規則 215
7.5 蟻群算法的應用進展及發展趨勢 216
7.5.1 應用進展 216
7.5.2 存在的問題 216
7.5.3 發展趨勢 216
7.5.4 蟻群算法的MATLAB實現 217
7.6 蟻群算法的應用 219
第8章 模擬退火算法 234
8.1 模擬退火算法的理論 234
8.1.1 模擬退火算法的思想 234
8.1.2 物理退火的過程 235
8.1.3 模擬退火的原理 236
8.1.4 模擬退火算法的終止準則 236
8.1.5 模擬退火算法的特點 236
8.2 模擬退火算法的改進 237
8.2.1 模擬退火算法的改進方式 237
8.2.2 模擬退火算法的改進新解 238
8.3 模擬退火算法的MATLAB工具箱 238
8.4 模擬退火算法的應用 242
第9章 遺傳算法 249
9.1 遺傳算法概述 249
9.1.1 遺傳算法的生物學基礎 249
9.1.2 遺傳算法的名稱解釋 250
9.1.3 遺傳算法的運算過程 251
9.1.4 遺傳算法的特點 252
9.1.5 遺傳算法的改進方向 253
9.2 遺傳算法的構成要素 254
9.2.1 染色體的編碼 254
9.2.2 適應度函數 255
9.2.3 遺傳算子 256
9.3 控制參數的選擇 258
9.4 遺傳算法的研究現狀 258
9.5 遺傳算法的應用領域 260
9.6 遺傳算法工具箱 260
9.6.1 遺傳算法的程序設計 261
9.6.2 MATLAB自帶的遺傳算法函數 265
9.6.3 遺傳算法的GUI 268
9.7 遺傳算法的應用 270
9.7.1 遺傳算法求解極值問題 270