MATLAB R2020a智能算法及实例分析

MATLABR2020a智能算法及实例分析读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图智能算法实例智能算法问题算法人工智能相关算法概述第章分析应用遗传算法神经网络人工智能粒子基础差分进化本书关键字分析思维导图内容摘要内容摘要本书以MATLABR2020a为平台，以人工智能算法为背景，全面地介绍了如何利用MATLAB各种智能算法求解相关领域中的实际问题。书中内容做到了理论与实践相结合，让读者可以快速、便捷地学习各种智能算法，并利用智能算法解决问题，做到学以致用、举一反三。全书共分12章，第1章为MATLAB基础篇；第2～12章为智能算法篇，分别介绍了各种人工智能算法，包括智能算法的基本概念、差分进化算法、种群算法、遗传算法、蚁群算法、粒子群算法、免疫算法、模拟退火算法、支持向量机算法、神经网络算法、模糊逻辑控制算法。目录分析1.1MATLAB的概述1.2MATLAB的特点及应用领域1.3MATLBR2020a的新功能1.4MATLAB的工作环境第1章步入MATLABR2020a1.5MATLAB的编程基础1.6MATLAB的矩阵运算1.7MATLAB的程序结构1.8M文件第1章步入MATLABR2020a2.1智能算法的概述2.2人工智能的概念2.3人工智能的技术应用2.4人工智能的典型应用第2章智能算法的基本概念2.5人工智能发展的先决条件2.6人工智能的三个层次2.7人工智能的影响2.8人工智能的典型算法第2章智能算法的基本概念3.1差分进化算法的理论3.3差分进化算法的运算流程3.2基本差分进化算法第3章差分进化算法分析3.4控制参数的选择3.5改进差分进化算法3.6差分进化算法的应用3.7差分进化算法的MATLAB实现第3章差分进化算法分析4.1种群的主要特征4.2种群动态模型4.3种群竞争模型4.4蓝鲸与长须鲸的竞争模型第4章种群算法分析5.1遗传算法的概述5.2遗传算法的原理5.3遗传算法的改进方向5.4遗传算法的工具箱5.5遗传算法解决最优化问题12345第5章遗传算法分析6.1蚁群算法的基础6.2改进的蚁群系统6.3自适应蚁群算法6.4蚁群优化算法的应用第6章蚁群算法分析6.6蚁群算法的实现6.5蚁群算法的发展趋势和展望第6章蚁群算法分析7.1引言7.2粒子群算法的基础7.3基本粒子群算法7.4粒子群算法求解极值第7章粒子群算法分析7.6粒子群算法的MATLAB实现7.5改进粒子群算法第7章粒子群算法分析8.1免疫算法的来源8.2免疫算法的基本概念8.3免疫算法算子8.4免疫算法与遗传算法的比较第8章免疫算法分析8.6人工免疫的粒子群聚类算法8.5免疫算法的应用第8章免疫算法分析9.1模拟退火算法的理论9.2模拟退火算法的改进方向9.3模拟退火的粒子群算法9.4模拟退火算法在最优化中的应用第9章模拟退火算法分析10.1支持向量机的概述10.2统计学10.3支持向量机10.4支持向量机的应用第10章支持向量机算法分析11.1神经网络的概述11.2感知器11.3线性神经网络11.4BP神经网络第11章神经网络算法分析11.6自组织竞争神经网络11.5径向基函数神经网络第11章神经网络算法分析12.1模糊逻辑控制的概述12.2模糊逻辑控制工具箱12.3模糊推理系统12.4模糊逻辑控制系统的Simulink连接12.5模糊神经网络12345第12章模糊逻辑控制算法分析作者介绍同名作者介绍这是《MATLABR2020a智能算法及实例分析》的读书笔记模板，暂无该书作者的介绍。读书笔记读书笔记这是《MATLABR2020a智能算法及实例