MATLAB優(yōu)化算法（第2版）

第一部分  MATLAB基礎(chǔ)知識(shí)
第1章  初識(shí)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(dāng)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(dǎo)航 13
　　　　1.2.3  示例幫助 14
　　1.3  本章小結(jié) 15
第2章  MATLAB基礎(chǔ) 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(diǎn)數(shù)類型 19
　　　　2.1.4  常量與變量 20
　　　　2.1.5  標(biāo)量、向量、矩陣與數(shù)組 21
　　　　2.1.6  字符型 22
　　　　2.1.7  運(yùn)算符 23
　　　　2.1.8  復(fù)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(yùn)算 28
　　　　2.2.3  向量的點(diǎn)、叉積運(yùn)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(yùn)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(yùn)算 41
　　　　2.4.4  矩陣的乘法運(yùn)算 42
　　　　2.4.5  矩陣的除法運(yùn)算 43
　　　　2.4.6  矩陣的分解運(yùn)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(duì)字符串的多項(xiàng)操作 45
　　　　2.5.3  二維字符數(shù)組 46
　　2.6  符號(hào) 47
　　　　2.6.1  符號(hào)表達(dá)式的生成 47
　　　　2.6.2  符號(hào)矩陣 48
　　　　2.6.3  常用符號(hào)運(yùn)算 49
　　2.7  關(guān)系運(yùn)算和邏輯運(yùn)算 50
　　　　2.7.1  關(guān)系運(yùn)算 50
　　　　2.7.2  邏輯運(yùn)算 51
　　　　2.7.3  常用函數(shù) 53
　　2.8  復(fù)數(shù) 54
　　　　2.8.1  復(fù)數(shù)和復(fù)矩陣的生成 54
　　　　2.8.2  復(fù)數(shù)的運(yùn)算 55
　　2.9  數(shù)據(jù)類型間的轉(zhuǎn)換 56
　　2.10  本章小結(jié) 57
第3章  程序設(shè)計(jì) 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(nèi)聯(lián)函數(shù) 67
　　　　3.2.7  向量化和預(yù)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(diào)試和優(yōu)化 80
　　　　3.4.1  程序調(diào)試命令 80
　　　　3.4.2  常見錯(cuò)誤類型 81
　　　　3.4.3  效率優(yōu)化 84
　　　　3.4.4  內(nèi)存優(yōu)化 85
　　3.5  經(jīng)典案例 90
　　3.6  本章小結(jié) 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(yīng)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(guān)閉 119
　　　　4.3.3  三維繪圖的實(shí)際應(yīng)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(jié) 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(biāo)準(zhǔn)形式 128
　　　　5.1.3  線性規(guī)劃問題的向量標(biāo)準(zhǔn)形式 128
　　　　5.1.4  非標(biāo)準(zhǔn)形式的標(biāo)準(zhǔn)化 129
　　　　5.1.5  線性規(guī)劃模型的求解 130
　　5.2  優(yōu)化選項(xiàng)參數(shù)設(shè)置 131
　　　　5.2.1  創(chuàng)建或編輯優(yōu)化選項(xiàng)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(diào)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(yīng)用 141
　　　　5.4.1  生產(chǎn)決策問題 141
　　　　5.4.2  工作人員計(jì)劃安排問題 142
　　　　5.4.3  投資問題 143
　　　　5.4.4  工件加工任務(wù)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(jì)劃的最優(yōu)化問題 148
　　5.5  本章小結(jié) 149
第6章  非線性規(guī)劃 150
　　6.1  非線性規(guī)劃基礎(chǔ) 150
　　　　6.1.1  非線性規(guī)劃標(biāo)準(zhǔn)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(diào)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(diào)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(diào)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(diào)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(diào)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(shí)例 182
　　　　6.7.1  資金調(diào)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(jié) 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(jìn)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(biāo)輪換法 201
　　7.3  本章小結(jié) 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(jié) 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(jī)方向法 222
　　　　9.2.2  復(fù)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(jié) 230
 
第10章  二次規(guī)劃 231
　　10.1  數(shù)學(xué)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(diào)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(jié) 242
第11章  多目標(biāo)優(yōu)化方法 243
　　11.1  數(shù)學(xué)模型 243
　　11.2  多目標(biāo)線性優(yōu)化問題求解 244
         11.2.1  理想點(diǎn)法 245
         11.2.2  線性加權(quán)和法 247
         11.2.3  最大最小法 249
　　11.3  目標(biāo)規(guī)劃法 251
　　11.4  多目標(biāo)優(yōu)化函數(shù) 251
         11.4.1  調(diào)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(jié) 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(chǔ) 261
         12.1.1  遺傳算法基本運(yùn)算 261
         12.1.2  遺傳算法的特點(diǎn) 262
         12.1.3  遺傳算法中的術(shù)語 262
         12.1.4  遺傳算法的應(yīng)用領(lǐng)域 263
　　12.2  遺傳算法的原理 263
         12.2.1  遺傳算法運(yùn)算過程 263
         12.2.2  遺傳算法編碼 266
         12.2.3  適應(yīng)度及初始群體選取 266
         12.2.4  遺傳算法參數(shù)設(shè)計(jì)原則 267
         12.2.5  適應(yīng)度函數(shù)的調(diào)整 267
         12.2.6  程序設(shè)計(jì) 268
　　12.3  遺傳算法工具箱 272
         12.3.1  命令調(diào)用 272
         12.3.2  遺傳算法工具箱的調(diào)用 276
         12.3.3  遺傳算法的優(yōu)化 279
　　12.4  遺傳算法的典型應(yīng)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(biāo)優(yōu)化問題 309
　　12.5  本章小結(jié) 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(diǎn) 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(shí)現(xiàn) 315
　　13.3  免疫算法應(yīng)用 321
         13.3.1  克隆選擇應(yīng)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(jié) 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(gòu)成要素 341
         14.1.2  算法參數(shù)設(shè)置 342
         14.1.3  算法的基本流程 342
         14.1.4  算法的MATLAB實(shí)現(xiàn) 343
         14.1.5  適應(yīng)度函數(shù) 345
　　14.2  粒子群優(yōu)化算法的權(quán)重控制 348
         14.2.1  自適應(yīng)權(quán)重法 348
         14.2.2  隨機(jī)權(quán)重法 351
         14.2.3  線性遞減權(quán)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(jié) 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(gòu)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(jié) 389
第16章  神經(jīng)網(wǎng)絡(luò) 390
　　16.1  神經(jīng)網(wǎng)絡(luò)基本概念 390
         16.1.1  神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 390
         16.1.2  神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 391
　　16.2  神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)函數(shù) 398
         16.2.5  BP神經(jīng)網(wǎng)絡(luò)函數(shù) 400
         16.2.6  徑向基神經(jīng)網(wǎng)絡(luò)函數(shù) 403
         16.2.7  自組織特征映射神經(jīng)網(wǎng)絡(luò)函數(shù) 407
　　16.3  神經(jīng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 410
         16.3.1  BP神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用 410
         16.3.2  RBF神經(jīng)網(wǎng)絡(luò)在函數(shù)曲線擬合中的應(yīng)用 414
         16.3.3  Hopfield神經(jīng)網(wǎng)絡(luò)在穩(wěn)定平衡點(diǎn)中的應(yīng)用 416
         16.3.4  自組織特征映射神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)分類中的應(yīng)用 417
         16.3.5  模糊神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用 420
　　16.4  本章小結(jié) 422
第四部分  拓 展 應(yīng) 用
第17章  分形維數(shù)應(yīng)用 425
　　17.1  分形維數(shù)概述 425
　　17.2  二維分形維數(shù)的MATLAB應(yīng)用 428
　　17.3  分形插值算法的應(yīng)用 434
　　17.4  本章小結(jié) 438
第18章  經(jīng)濟(jì)金融優(yōu)化應(yīng)用 439
　　18.1  期權(quán)定價(jià)分析 439
　　18.2  收益、風(fēng)險(xiǎn)和有效前沿的計(jì)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(jì)算 451
　　18.5  本章小結(jié) 457
參考文獻(xiàn) 458