MATLAB 智能算法30个案例分析（终极版）
1 基于遗传算法的TSP算法（王辉）
2 基于遗传算法和非线性规划的函数寻优算法（史峰）
3 基于遗传算法的BP神经网络优化算法（王辉）
4 设菲尔德大学的MATLAB遗传算法工具箱（王辉）
5 基于遗传算法的LQR控制优化算法（胡斐）
6 遗传算法工具箱详解及应用（胡斐）
7 多种群遗传算法的函数优化算法（王辉）
8 基于量子遗传算法的函数寻优算法（王辉）
9 多目标Pareto最优解搜索算法（胡斐）
10 基于多目标Pareto的二维背包搜索算法（史峰）
11 基于免疫算法的柔性车间调度算法（史峰）
12 基于免疫算法的运输中心规划算法（史峰）
13 基于粒子群算法的函数寻优算法（史峰）
14 基于粒子群算法的PID控制优化算法（史峰）
15 基于混合粒子群算法的TSP寻优算法（史峰）
16 基于动态粒子群算法的动态环境寻优算法（史峰）
17 粒子群算法工具箱（史峰）
18 基于鱼群算法的函数寻优算法（王辉）
19 基于模拟退火算法的TSP算法（王辉）
20 基于遗传模拟退火算法的聚类算法（王辉）
21 基于模拟退火算法的HEV能量管理策略参数优化（胡斐）
22 蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）
23 基于蚁群算法的二维路径规划算法（史峰）
24 基于蚁群算法的三维路径规划算法（史峰）
25 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）
26 有导师学习神经网络的分类——鸢尾花种类识别（郁磊）
27 无导师学习神经网络的分类——矿井突水水源判别（郁磊）
28 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）
29 支持向量机的回归拟合——混凝土抗压强度预测（郁磊）
30 极限学习机的回归拟合及分类——对比实验研究（郁磊）
智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更难用它来解决问题。
因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作MATLAB智能算法，该书包含了遗传算法，免疫算法，粒子群算法，鱼群算法，多目标pareto算法，模拟退火算法，蚁群算法，神经网络，SVM等，本书最大的特点在于以案例为导向，每个案例针对一
个实际问题，给出全部程序和求解思路，并配套相关讲解视频，使读者在读过一个案例之后能够快速掌握这种方法，并且会套用案例程序来编写自己的程序。本书作者在线，读者和会员可以向作者提问，作者做到有问必答。
本书和目录如下：
1 基于遗传算法的TSP算法（王辉）
TSP (旅行商问题—Traveling Salesman Problem)，是典型的NP完全问题，即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长，到目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。实践证明，遗传算法对于解决TSP问题等组合优化问题具有较好的寻优性能。
2 基于遗传算法和非线性规划的函数寻优算法（史峰）
遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化，而不针对参数本身，从而不受函数约束条件的限制；搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜
索方法难以解决的大规模、非线性组合优化问题。
3 基于遗传算法的BP神经网络优化算法（王辉）
BP模型被广泛地应用于模式分类、模式识别等方面．但BP算法收敛速度慢，且很容易陷入局部极小点，而遗传算法具有并行搜索、效率高、不存在局部收敛问题等优点而被广泛应用．遗传算法的寻优过程带有一定程度的随机性和盲从性，多数情况下只能收敛到全局次优解，且有过早收敛的现象．为了克服遗传算法寻优过程的盲从性，将有监督学习的BP算法与之结合以达到优势互补、提高算法的稳定性和全局搜索能力的目的。
4 设菲尔德大学的MATLAB遗传算法工具箱（王辉）
Matlab 遗传算法(Genetic Algorithm)优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库。其实现步骤包括：通过输入及输出函数求出遗传算法主函数、初始种群的生成函数，采用选择、交叉、变异操作求得基本遗传操作函数。以函数仿真为例，对该函数优化和GA 改进，只需改写函数m 文件形式即可。
5 基于遗传算法的LQR控制优化算法（胡斐）
LQR控制在工程中得到了广泛的应用，对于LQR最优控制方法，性能指标中权重矩阵的选择对控制系统的性能有很大影响。权重矩阵通常的确定方法，首先是根据经验初步确定，然后通过模拟，根据输出响应量逐步调整权重系数，直到获得满意的输出响应量为止。这种
确定方法不仅费时，而且无法获得最优的权重矩阵使系统性能达到最优。本案例将研究基于遗传算法的LQR控制优化算法，利用遗传算法的全局寻优能力，搜索权重矩阵。
6 遗传算法工具箱详解及应用（胡斐）
MATLAB自带的遗传算法与直接搜索工具箱(Genetic Algorithm and Direct Search Toolbox, GADST)，可以较好地解决与遗传算法相关的各种问题。GADST可以通过GUI界面调用，也可以通过命令行方式调用，使用简单方便。本案例将对GADST函数库的遗传算法部分进行详细的代码分析和讲解，并通过求解非线性方程组介绍GADST 的使用方法。
7 多种群遗传算法的函数优化算法（王辉）
标准遗传算法有时候会出现未成熟收敛问题，在求解多目标优化问题时显得尤其严重。遗传算法存在未成熟收敛问题，在求解多目标优化问题时显得尤其严重。因此已有学者提出了多种群遗传算法。该算法中多个种群使用同一目标函数，各种群的交叉率和变异率取不同的固定值，以搜索不同解空间中的最优解，种群之间定期进行信息交换。多种群遗传算法能在一定程度上缓解遗传算法的不成熟收敛问题。
8 基于量子遗传算法的函数寻优算法（王辉）
量子遗传算法(Quantum Genetic Algorithm，QGA)是量子计算与遗传算法(Genetic Algorithm，GA)相结合的产物，是一种新发展起来
