《MATLAB智能算法30个案例分析（第2版）》是作者多年从事算法研究的经验总结.书中所有案例均应国内各大MATLAB技术论坛网友的切身需求而精心设计,其中不少案例所涉及的内容和求解方法在国内现已出版的　MATLAB书籍中鲜有介绍.

　　《MATLAB智能算法30个案例分析（第2版）》采用案例形式,以智能算法为主线,讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等Z常用的智能算法的MATLAB实现.本书共给出３０个案例,每个案例都是一个使用智能算法解决问题的具体实例,所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成,并配有完整的程序源码和讲解视频,使读者在掌握算法的同时,也可以学习到作者们多年积累的编程经验与技巧,从而快速提高使用算法求解实际问题的能力.

　　《MATLAB智能算法30个案例分析（第2版）》可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍,同时对广大科研人员也有很高的参考价值.

第1章　谢菲尔德大学的MATLAB遗传算法工具箱 1

1.1　理论基础 1

1.1.1　遗传算法概述 1

1.1.2　谢菲尔德遗传算法工具箱 1

1.2　案例背景 3

1.2.1　问题描述 3

1.2.2　解题思路及步骤 3

1.3　MATLAB程序实现 3

1.3.1　工具箱结构 3

1.3.2　遗传算法常用函数 4

1.3.3　遗传算法工具箱应用举例 12

1.4　延伸阅读 16

参考文献 16

第2章　基于遗传算法和非线性规划的函数寻优算法 17

2.1　理论基础 17

2.1.1　非线性规划 17

2.1.2　非线性规划函数 17

2.1.3　遗传算法基本思想 18

2.1.4　算法结合思想 18

2.2　案例背景 18

2.2.1　问题描述 18

2.2.2　算法流程 18

2.2.3　遗传算法实现 19

2.3　MATLAB程序实现 20

2.3.1　适应度函数 20

2.3.2　选择操作 20

2.3.3　交叉操作 21

2.3.4　变异操作 22

2.3.5　算法主函数 23

2.3.6　非线性寻优 24

2.3.7　结果分析 24

2.4　延伸阅读 25

2.4.1　其他函数的优化 25

2.4.2　其他优化算法 26

参考文献 26

第3章　基于遗传算法的BP神经网络优化算法 27

3.1　理论基础 27

3.1.1　BP神经网络概述 27

3.1.2　遗传算法的基本要素 27

3.2　案例背景 27

3.2.1　问题描述 27

3.2.2　解题思路及步骤 29

3.3　MATLAB程序实现 31

3.3.1　神经网络算法 31

3.3.2　遗传算法主函数 32

3.3.3　比较使用遗传算法前后的差别 34

3.3.4　结果分析 35

3.4　延伸阅读 37

参考文献 37

第4章　基于遗传算法的TSP算法 38

4.1　理论基础 38

4.2　案例背景 38

4.2.1　问题描述 38

4.2.2　解决思路及步骤 39

4.3　MATLAB程序实现 40

4.3.1　种群初始化 40

4.3.2　适应度函数 40

4.3.3　选择操作 41

4.3.4　交叉操作 41

4.3.5　变异操作 43

4.3.6　进化逆转操作 43

4.3.7　画路线轨迹图 43

4.3.8　遗传算法主函数 44

4.3.9　结果分析 47

4.4　延伸阅读 48

4.4.1　应用扩展 48

4.4.2　遗传算法的改进 49

4.4.3　算法的局限性 49

参考文献 49

第5章　基于遗传算法的LQR 控制器优化设计 50

5.1　理论基础 50

5.1.1　LQR控制 50

5.1.2　基于遗传算法设计LQR控制器 50

5.2　案例背景 51

5.2.1　问题描述 51

5.2.2　解题思路及步骤 52

5.3　MATLAB程序实现 53

5.3.1　模型实现 53

5.3.2　遗传算法实现 54

5.3.3　结果分析 56

参考文献 56

第6章　遗传算法工具箱详解及应用 57

6.1　理论基础 57

6.1.1　遗传算法的一些基本概念 57

6.1.2　遗传算法与直接搜索工具箱 58

6.2　案例背景 58

6.2.1　问题描述 58

6.2.2　解题思路及步骤 59

6.3　MATLAB程序实现 59

6.3.1　GADST各函数详解 59

6.3.2　GADST的使用简介 63

6.3.3　使用GADST求解遗传算法相关问题 66

6.4　延伸阅读 68

参考文献 68

第7章　多种群遗传算法的函数优化算法 69

7.1　理论基础 69

7.1.1　遗传算法早熟问题 69

7.1.2　多种群遗传算法概述 69

7.2　案例背景 70

7.2.1　问题描述 70

7.2.2　解题思路及步骤 71

7.3　MATLAB程序实现 71

7.3.1　移民算子 72

7.3.2　人工选择算子 72

7.3.3　目标函数 73

7.3.4　标准遗传算法主函数 73

7.3.5　多种群遗传算法主函数 74

7.3.6　结果分析 75

7.4　延伸阅读 76

参考文献 77

第8章　基于量子遗传算法的函数寻优算法 78

8.1　理论基础 78

8.1.1　量子遗传算法概述 78

8.1.2　量子比特编码 78

8.1.3　量子门更新 79

8.2　案例背景 79

8.2.1　问题描述 79

8.2.2　解题思路及步骤 80

8.3　MATLAB程序实现 82

8.3.1　种群初始化 82

8.3.2　测量函数 82

8.3.3　量子旋转门函数 83

8.3.4　适应度函数 84

8.3.5　量子遗传算法主函数 85

8.3.6　结果分析 87

8.4　延伸阅读 87

参考文献 88

第9章　基于遗传算法的多目标优化算法 89

9.1　理论基础 89

9.1.1　多目标优化及Pareto最优解 89

9.1.2　函数gamultiobj  89

9.1.3　函数gamultiobj中的一些基本概念 90

9.2　案例背景 90

9.2.1　问题描述 90

9.2.2　解题思路及步骤 90

9.3　MATLAB程序实现 91

9.3.1　gamultiobj组织结构 91

9.3.2　函数stepgamultiobj分析 92

9.3.3　使用函数gamultiobj求解多目标优化问题 99

9.3.4　结果分析 100

参考文献 101

第10章　基于粒子群算法的多目标搜索算法 102

10.1　理论基础 102

10.2　案例背景 102

10.2.1　问题描述 102

10.2.2　算法流程 103

10.2.3　适应度计算 103

10.2.4　筛选非劣解集 103

10.2.5　粒子速度和位置更新 103

10.2.6　粒子最优 104

10.3　MATLAB程序实现 104

10.3.1　种群初始化 104

10.3.2　种群更新 104

10.3.3　更新个体最优粒子 105

10.3.4　非劣解筛选 105

10.3.5　仿真结果 106

10.4　延伸阅读 107

参考文献 107

第11章　基于多层编码遗传算法的车间调度算法 108

11.1　理论基础 108

11.2　案例背景 108

11.2.1　问题描述 108

11.2.2　模型建立 108

11.2.3　算法实现 109

11.3　MATLAB程序实现 110

11.3.1　主函数 110

11.3.2　适应度值计算 111

11.3.3　交叉函数 113

11.3.4　变异函数 113

11.3.5　仿真结果 114

11.4　案例扩展 115

11.4.1　模糊目标 115

11.4.2　代码分析 116

11.4.3　仿真结果 117

参考文献 117

第12章　免疫优化算法在物流配送中心选址中的应用 118

12.1　理论基础 118

12.1.1　物流中心选址问题 118

12.1.2　免疫算法的基本思想 118

12.2　案例背景 119

12.2.1　问题描述 119

12.2.2　解题思路及步骤 120

12.3　MATLAB程序实现 122

12.3.1　免疫算法主函数 122

12.3.2　多样性评价 123

12.3.3　免疫操作 124

12.3.4　仿真实验 127

12.4　案例扩展 128

参考文献 129