MATLAB優(yōu)化算法（第2版）

第一部分  MATLAB基礎知識
第1章  初識MATLAB 3
　　1.1  工作環(huán)境 3
　　　　1.1.1  操作界面簡介 3
　　　　1.1.2  命令行窗口 4
　　　　1.1.3 “命令歷史記錄”窗口 6
　　　　1.1.4 “當前文件夾”窗口和路徑管理 8
　　　　1.1.5  搜索路徑 8
　　　　1.1.6 “工作區(qū)”窗口和數(shù)組編輯器 10
　　　　1.1.7  變量的編輯命令 11
　　　　1.1.8  存取數(shù)據(jù)文件 12
　　1.2  幫助系統(tǒng) 13
　　　　1.2.1  純文本幫助 13
　　　　1.2.2  幫助導航 13
　　　　1.2.3  示例幫助 14
　　1.3  本章小結 15
第2章  MATLAB基礎 16
　　2.1  基本概念 16
　　　　2.1.1  數(shù)據(jù)類型概述 16
　　　　2.1.2  整數(shù)類型 17
　　　　2.1.3  浮點數(shù)類型 19
　　　　2.1.4  常量與變量 20
　　　　2.1.5  標量、向量、矩陣與數(shù)組 21
　　　　2.1.6  字符型 22
　　　　2.1.7  運算符 23
　　　　2.1.8  復數(shù) 25
　　　　2.1.9  無窮量和非數(shù)值量 26
　　2.2  向量 26
　　　　2.2.1  向量的生成 26
　　　　2.2.2  向量的加、減和乘、除運算 28
　　　　2.2.3  向量的點、叉積運算 29
　　2.3  數(shù)組 30
　　　　2.3.1  數(shù)組的創(chuàng)建和操作 31
　　　　2.3.2  數(shù)組的常見運算 34
　　2.4  矩陣 37
　　　　2.4.1  矩陣的生成 37
　　　　2.4.2  向量的賦值 40
　　　　2.4.3  矩陣的加、減運算 41
　　　　2.4.4  矩陣的乘法運算 42
　　　　2.4.5  矩陣的除法運算 43
　　　　2.4.6  矩陣的分解運算 43
　　2.5  字符串 44
　　　　2.5.1  字符串變量與一維字符數(shù)組 44
　　　　2.5.2  對字符串的多項操作 45
　　　　2.5.3  二維字符數(shù)組 46
　　2.6  符號 47
　　　　2.6.1  符號表達式的生成 47
　　　　2.6.2  符號矩陣 48
　　　　2.6.3  常用符號運算 49
　　2.7  關系運算和邏輯運算 50
　　　　2.7.1  關系運算 50
　　　　2.7.2  邏輯運算 51
　　　　2.7.3  常用函數(shù) 53
　　2.8  復數(shù) 54
　　　　2.8.1  復數(shù)和復矩陣的生成 54
　　　　2.8.2  復數(shù)的運算 55
　　2.9  數(shù)據(jù)類型間的轉換 56
　　2.10  本章小結 57
第3章  程序設計 58
　　3.1  MATLAB編程概述 58
　　　　3.1.1 “編輯器”窗口 58
　　　　3.1.2  編程原則 59
　　3.2  M文件和函數(shù) 61
　　　　3.2.1  M文件 61
　　　　3.2.2  匿名函數(shù) 63
　　　　3.2.3  主函數(shù)與子函數(shù) 63
　　　　3.2.4  重載函數(shù) 65
　　　　3.2.5  eval、feval函數(shù) 65
　　　　3.2.6  內聯(lián)函數(shù) 67
　　　　3.2.7  向量化和預分配 69
　　　　3.2.8  函數(shù)參數(shù)傳遞 70
　　3.3  程序控制 72
　　　　3.3.1  分支控制語句 72
　　　　3.3.2  循環(huán)控制語句 74
　　　　3.3.3  其他控制語句 76
　　3.4  程序調試和優(yōu)化 80
　　　　3.4.1  程序調試命令 80
　　　　3.4.2  常見錯誤類型 81
　　　　3.4.3  效率優(yōu)化 84
　　　　3.4.4  內存優(yōu)化 85
　　3.5  經(jīng)典案例 90
　　3.6  本章小結 97
第4章  圖形繪制 98
　　4.1  數(shù)據(jù)圖像繪制簡介 98
　　　　4.1.1  離散數(shù)據(jù)可視化 98
　　　　4.1.2  連續(xù)函數(shù)可視化 100
　　4.2  二維繪圖 102
　　　　4.2.1  二維繪圖命令 102
　　　　4.2.2  二維圖形的修飾 104
　　　　4.2.3  子圖繪制法 110
　　　　4.2.4  二維繪圖的經(jīng)典應用 112
　　4.3  三維繪制 116
　　　　4.3.1  三維繪圖基本命令 116
　　　　4.3.2  隱藏線的顯示和關閉 119
　　　　4.3.3  三維繪圖的實際應用 119
　　4.4  特殊圖形的繪制 120
　　　　4.4.1  特殊二維圖形的繪制 121
　　　　4.4.2  特殊三維圖形的繪制 122
　　4.5  本章小結 124
第二部分  常規(guī)優(yōu)化算法
第5章  線性規(guī)劃 127
　　5.1  線性規(guī)劃基本理論 127
　　　　5.1.1  線性規(guī)劃問題的一般形式 127
　　　　5.1.2  線性規(guī)劃問題的標準形式 128
　　　　5.1.3  線性規(guī)劃問題的向量標準形式 128
　　　　5.1.4  非標準形式的標準化 129
　　　　5.1.5  線性規(guī)劃模型的求解 130
　　5.2  優(yōu)化選項參數(shù)設置 131
　　　　5.2.1  創(chuàng)建或編輯優(yōu)化選項參數(shù) 131
　　　　5.2.2  獲取優(yōu)化參數(shù) 133
　　5.3  線性規(guī)劃函數(shù) 134
　　　　5.3.1  調用格式 134
　　　　5.3.2  參數(shù)含義 135
　　　　5.3.3  命令詳解 137
　　　　5.3.4  算例求解 138
　　5.4  線性規(guī)劃應用 141
　　　　5.4.1  生產(chǎn)決策問題 141
　　　　5.4.2  工作人員計劃安排問題 142
　　　　5.4.3  投資問題 143
　　　　5.4.4  工件加工任務分配問題 144
　　　　5.4.5  廠址選擇問題 145
　　　　5.4.6  確定職工編制問題 147
　　　　5.4.7  生產(chǎn)計劃的最優(yōu)化問題 148
　　5.5  本章小結 149
第6章  非線性規(guī)劃 150
　　6.1  非線性規(guī)劃基礎 150
　　　　6.1.1  非線性規(guī)劃標準形式 150
　　　　6.1.2  最優(yōu)解 151
　　　　6.1.3  求解方法概述 151
　　6.2  有約束非線性規(guī)劃函數(shù) 153
　　　　6.2.1  調用格式 153
　　　　6.2.2  參數(shù)含義 154
　　　　6.2.3  命令詳解 160
　　　　6.2.4  算例求解 161
　　6.3  一維搜索優(yōu)化函數(shù) 163
　　　　6.3.1  調用格式 163
　　　　6.3.2  參數(shù)含義 164
　　　　6.3.3  算例求解 166
　　6.4  多維無約束優(yōu)化函數(shù) 167
　　　　6.4.1  調用格式 168
　　　　6.4.2  參數(shù)含義 168
　　　　6.4.3  算例求解 170
　　6.5  多維無約束搜索函數(shù) 172
　　　　6.5.1  調用格式 172
　　　　6.5.2  參數(shù)含義 173
　　　　6.5.3  算例求解 174
　　6.6  多維非線性最小二乘函數(shù) 176
　　　　6.6.1  調用格式 176
　　　　6.6.2  參數(shù)含義 177
　　　　6.6.3  算例求解 180
　　6.7  非線性規(guī)劃實例 182
　　　　6.7.1  資金調用問題 182
　　　　6.7.2  經(jīng)營最佳安排問題 184
　　　　6.7.3  廣告最佳投入問題 184
　　6.8  本章小結 186
第7章  無約束一維極值 187
　　7.1  無約束算法概述 187
　　7.2  常用算法 188
　　　　7.2.1  進退法 188
　　　　7.2.2  黃金分割法 191
　　　　7.2.3  斐波那契法 194
　　　　7.2.4  牛頓型法 196
　　　　7.2.5  割線法 199
　　　　7.2.6  拋物線法 200
　　　　7.2.7  坐標輪換法 201
　　7.3  本章小結 204
第8章  無約束多維極值 205
　　8.1  直接法 205
　　　　8.1.1  模式搜索法 206
　　　　8.1.2  單純形法 207
　　　　8.1.3  Powell法 210
　　8.2  間接法 214
　　　　8.2.1  最速下降法 214
　　　　8.2.2  共軛梯度法 216
　　　　8.2.3  擬牛頓法 218
　　8.3  本章小結 220
第9章  約束優(yōu)化方法 221
　　9.1  約束優(yōu)化方法簡介 221
　　9.2  常用算法 222
　　　　9.2.1  隨機方向法 222
　　　　9.2.2  復合形法 223
　　　　9.2.3  可行方向法 225
　　　　9.2.4  懲罰函數(shù)法 228
　　9.3  本章小結 230
 
第10章  二次規(guī)劃 231
　　10.1  數(shù)學模型 231
　　10.2  常用算法 231
         10.2.1  拉格朗日法 231
         10.2.2  有效集法 233
　　10.3  二次規(guī)劃函數(shù) 236
         10.3.1  調用格式 236
         10.3.2  參數(shù)含義 237
         10.3.3  算例求解 240
　　10.4  本章小結 242
第11章  多目標優(yōu)化方法 243
　　11.1  數(shù)學模型 243
　　11.2  多目標線性優(yōu)化問題求解 244
         11.2.1  理想點法 245
         11.2.2  線性加權和法 247
         11.2.3  最大最小法 249
　　11.3  目標規(guī)劃法 251
　　11.4  多目標優(yōu)化函數(shù) 251
         11.4.1  調用格式 252
         11.4.2  參數(shù)含義 252
         11.4.3  算例求解 257
　　11.5  本章小結 258
第三部分  智能優(yōu)化算法
第12章  遺傳算法 261
　　12.1  遺傳算法基礎 261
         12.1.1  遺傳算法基本運算 261
         12.1.2  遺傳算法的特點 262
         12.1.3  遺傳算法中的術語 262
         12.1.4  遺傳算法的應用領域 263
　　12.2  遺傳算法的原理 263
         12.2.1  遺傳算法運算過程 263
         12.2.2  遺傳算法編碼 266
         12.2.3  適應度及初始群體選取 266
         12.2.4  遺傳算法參數(shù)設計原則 267
         12.2.5  適應度函數(shù)的調整 267
         12.2.6  程序設計 268
　　12.3  遺傳算法工具箱 272
         12.3.1  命令調用 272
         12.3.2  遺傳算法工具箱的調用 276
         12.3.3  遺傳算法的優(yōu)化 279
　　12.4  遺傳算法的典型應用 285
         12.4.1  求函數(shù)極值 285
         12.4.2  旅行商問題 297
         12.4.3  非線性規(guī)劃問題 302
         12.4.4  多目標優(yōu)化問題 309
　　12.5  本章小結 310
第13章  免疫算法 311
　　13.1  基本概念 311
         13.1.1  免疫算法基本原理 311
         13.1.2  免疫算法步驟和流程 312
         13.1.3  免疫系統(tǒng)模型和免疫算法 313
         13.1.4  免疫算法特點 314
　　13.2  免疫遺傳算法 314
         13.2.1  免疫遺傳算法步驟和流程 314
         13.2.2  免疫遺傳算法實現(xiàn) 315
　　13.3  免疫算法應用 321
         13.3.1  克隆選擇應用 321
         13.3.2  最短路徑規(guī)劃問題 325
         13.3.3  旅行商問題 327
         13.3.4  故障檢測問題 333
　　13.4  本章小結 339
第14章  粒子群優(yōu)化算法 340
　　14.1  算法的基本概念 340
         14.1.1  算法構成要素 341
         14.1.2  算法參數(shù)設置 342
         14.1.3  算法的基本流程 342
         14.1.4  算法的MATLAB實現(xiàn) 343
         14.1.5  適應度函數(shù) 345
　　14.2  粒子群優(yōu)化算法的權重控制 348
         14.2.1  自適應權重法 348
         14.2.2  隨機權重法 351
         14.2.3  線性遞減權重法 353
　　14.3  混合粒子群優(yōu)化算法 355
         14.3.1  基于雜交的粒子群優(yōu)化算法 355
         14.3.2  基于自然選擇的粒子群優(yōu)化算法 358
         14.3.3  基于免疫的粒子群優(yōu)化算法 360
         14.3.4  基于模擬退火的粒子群優(yōu)化算法 364
　　14.4  本章小結 366
第15章  小波變換 367
　　15.1  傅里葉變換到小波分析 367
         15.1.1  傅里葉變換 367
         15.1.2  小波分析 369
　　15.2  小波分析的常用函數(shù) 371
         15.2.1  查詢小波函數(shù)的基本信息 371
         15.2.2  小波濾波器函數(shù) 377
         15.2.3  單層一維小波分解函數(shù) 378
         15.2.4  多尺度一維小波分解函數(shù) 379
         15.2.5  一維小波系數(shù)的單支重構函數(shù) 379
　　15.3  圖像的分解和量化 380
         15.3.1  一維小波變換 380
         15.3.2  二維變換體系 382
　　15.4  小波變換經(jīng)典案例 385
         15.4.1  去噪 385
         15.4.2  壓縮 387
　　15.5  本章小結 389
第16章  神經(jīng)網(wǎng)絡 390
　　16.1  神經(jīng)網(wǎng)絡基本概念 390
         16.1.1  神經(jīng)網(wǎng)絡結構 390
         16.1.2  神經(jīng)網(wǎng)絡學習 391
　　16.2  神經(jīng)網(wǎng)絡工具函數(shù) 392
         16.2.1  常用神經(jīng)元激活函數(shù) 392
         16.2.2  神經(jīng)網(wǎng)絡通用函數(shù) 395
         16.2.3  感知器函數(shù) 397
         16.2.4  線性神經(jīng)網(wǎng)絡函數(shù) 398
         16.2.5  BP神經(jīng)網(wǎng)絡函數(shù) 400
         16.2.6  徑向基神經(jīng)網(wǎng)絡函數(shù) 403
         16.2.7  自組織特征映射神經(jīng)網(wǎng)絡函數(shù) 407
　　16.3  神經(jīng)網(wǎng)絡的MATLAB實現(xiàn) 410
         16.3.1  BP神經(jīng)網(wǎng)絡在函數(shù)逼近中的應用 410
         16.3.2  RBF神經(jīng)網(wǎng)絡在函數(shù)曲線擬合中的應用 414
         16.3.3  Hopfield神經(jīng)網(wǎng)絡在穩(wěn)定平衡點中的應用 416
         16.3.4  自組織特征映射神經(jīng)網(wǎng)絡在數(shù)據(jù)分類中的應用 417
         16.3.5  模糊神經(jīng)網(wǎng)絡在函數(shù)逼近中的應用 420
　　16.4  本章小結 422
第四部分  拓 展 應 用
第17章  分形維數(shù)應用 425
　　17.1  分形維數(shù)概述 425
　　17.2  二維分形維數(shù)的MATLAB應用 428
　　17.3  分形插值算法的應用 434
　　17.4  本章小結 438
第18章  經(jīng)濟金融優(yōu)化應用 439
　　18.1  期權定價分析 439
　　18.2  收益、風險和有效前沿的計算 443
　　18.3  投資組合績效分析 447
　　18.4  固定收益證券的久期和凸度計算 451
　　18.5  本章小結 457
參考文獻 458