本书以MATLAB R2017a为平台，以智能算法为背景，全面详细地介绍了人工智能的各种新型算法。本书内容以理论为基础，以实际应用为主导，循序渐进地向读者讲解怎样利用MATLAB智能算法解决实际问题。全书共13章，主要内容包括MATLAB R2017a软件的基础知识、智能算法的理论、人工神经网络算法、模糊逻辑控制算法、粒子群算法、蚁群算法、模拟退火算法、遗传算法、免疫算法、禁忌搜索算法、支持向量机算法及小波分析算法等。
前言
第1章 初识MATLAB R2017a
1.1 MATLAB的应用领域和优势
1.2 MATLAB R2017a的新功能
1.3 MATLAB的编程风格
1.4 MATLAB的接口技术
1.5 MATLAB与C/C++混合编程
1.6 MATLAB的工作环境
1.7 MATLAB的常用命令
1.8 MATLAB的帮助系统
1.9 MATLAB的数据类型
1.10 MATLAB的运算符
第2章 MATLAB的编程基础
2.1 数组及其运算
2.2 矩阵及其运算
2.3 MATLAB控制语句
2.4 m文件
2.5 图形可视化
第3章 人工智能概述
3.1 什么是智能
3.2 人工智能的发展
3.3 人工智能的研究方法
3.4 人工智能的危机
3.5 人工智能的应用
3.6 人工智能的发展趋势
3.7 人工智能对人类的深远影响
3.8 各种常用智能算法
第4章 人工神经网络算法
4.1 人工神经网络概述
4.2 神经网络算法的理论
4.3 BP神经网络
4.4 径向基神经网络
4.5 自组织神经网络
4.6 对向传播神经网络
4.7 广义回归神经网络
4.8 概率神经网络
4.9 Hopfield神经网络
第5章 模糊逻辑控制算法
5.1 模糊逻辑控制概述
5.2 模糊逻辑控制理论
5.3 模糊逻辑控制工具箱
5.4 模糊逻辑工具箱的图形用户界面
5.5 基于Simulink的模糊逻辑控制
5.6 模糊推理系统在控制系统中的应用
第6章 粒子群算法
6.1 粒子群概述
6.2 粒子群的种类
6.3 基于粒子群的聚类分析
6.4 粒子群算法的MATLAB实现
6.5 改进权重粒子群算法
6.6 混合粒子群算法
6.7 粒子群的应用
第7章 蚁群算法
7.1 蚁群的基本概念
7.2 改进的蚁群算法
7.3 自适应蚁群算法
7.4 蚁群算法的重要规则
7.5 蚁群算法的应用进展及发展趋势
7.6 蚁群算法的应用
第8章 模拟退火算法
8.1 模拟退火算法的理论
8.2 模拟退火算法的改进
8.3 模拟退火算法的MATLAB工具箱
8.4 模拟退火算法的应用
第9章 遗传算法
9.1 遗传算法概述
9.2 遗传算法的构成要素
9.3 控制参数的选择
9.4 遗传算法的研究现状
9.5 遗传算法的应用领域
9.6 遗传算法工具箱
9.7 遗传算法的应用
第10章 免疫算法
10.1 免疫算法概述
10.2 免疫遗传算法
10.3 免疫算法的应用
第11章 禁忌搜索算法
11.1 禁忌搜索的相关理论
11.2 禁忌算法的关键参数
11.3 禁忌搜索算法的应用
第12章 支持向量机算法
12.1 支持向量机的相关理论
12.2 支持向量机的理论
12.3 支持向量机的应用
第13章 小波分析算法
13.1 傅里叶变换
13.2 小波变换的基本定义
13.3 Mallat算法
13.4 小波包分析
13.5 小波的GUI
13.6 小波分析的应用
参考文献
