MATLAB 在數(shù)學建模中的應(yīng)用（第2版）

上篇　方法演繹
第1章　數(shù)學建模常規(guī)方法及其MATLAB實現(xiàn)
1.1　MATLAB與數(shù)據(jù)文件的交互
1.1.1　MATLAB與Excel的交互
1.1.2　MATLAB與TXT交互
1.1.3　MATLAB界面導(dǎo)入數(shù)據(jù)的方法
1.2　數(shù)據(jù)擬合方法
1.2.1　多項式擬合
1.2.2　指定函數(shù)擬合
1.2.3　曲線擬合工具箱
1.3　數(shù)據(jù)擬合應(yīng)用實例
1.3.1　人口預(yù)測模型
1.3.2　薄膜滲透率的測定
1.4　數(shù)據(jù)的可視化
1.4.1　地形地貌圖形的繪制
1.4.2　車燈光源投影區(qū)域的繪制(CUMCM 2002A)
1.5　層次分析法(AHP)
1.5.1　層次分析法的應(yīng)用場景
1.5.2　AHP MATLAB程序設(shè)計
第2章　規(guī)劃問題的MATLAB求解
2.1　線性規(guī)劃
2.1.1　線性規(guī)劃的實例與定義
2.1.2　線性規(guī)劃的MATLAB標準形式
2.1.3　線性規(guī)劃問題解的概念
2.1.4　求解線性規(guī)劃的MATLAB解法
2.2　非線性規(guī)劃
2.2.1　非線性規(guī)劃的實例與定義
2.2.2　非線性規(guī)劃的MATLAB解法
2.2.3　二次規(guī)劃
2.3　整數(shù)規(guī)劃
2.3.1　整數(shù)規(guī)劃的定義
2.3.2　01整數(shù)規(guī)劃
2.3.3　隨機取樣計算法
第3章　數(shù)據(jù)建模及MATLAB實現(xiàn)
3.1　云模型
3.1.1　云模型基礎(chǔ)知識
3.1.2　云模型的MATLAB程序設(shè)計
3.2　Logistic回歸
3.2.1　Logistic模型
3.2.2　Logistic回歸MATLAB程序設(shè)計
3.3　主成分分析
3.3.1　PCA基本思想
3.3.2　PCA步驟
3.3.3　主成分分析MATLAB程序設(shè)計
3.4　支持向量機(SVM)
3.4.1　SVM基本思想
3.4.2　理論基礎(chǔ)
3.4.3　支持向量機MATLAB程序設(shè)計
3.5　K均值(KMeans)
3.5.1　KMeans原理、步驟和特點
3.5.2　KMeans聚類MATLAB程序設(shè)計
3.6　樸素貝葉斯判別法
3.6.1　樸素貝葉斯判別模型
3.6.2　樸素貝葉斯判別法MATLAB設(shè)計
3.7　數(shù)據(jù)建模綜合應(yīng)用
參考文獻

第4章　灰色預(yù)測及其MATLAB實現(xiàn)
4.1　灰色系統(tǒng)基本理論
4.1.1　灰色關(guān)聯(lián)度矩陣
4.1.2　經(jīng)典灰色模型GM（1,1）
4.1.3　灰色Verhulst模型
4.2　灰色系統(tǒng)的程序設(shè)計
4.2.1　灰色關(guān)聯(lián)度矩陣的程序設(shè)計
4.2.2　GM（1,1）的程序設(shè)計
4.2.3　灰色Verhulst模型的程序設(shè)計
4.3　灰色預(yù)測的MATLAB程序
4.3.1　典型程序結(jié)構(gòu)
4.3.2　灰色預(yù)測程序說明
4.4　灰色預(yù)測應(yīng)用實例
4.4.1　實例一 長江水質(zhì)的預(yù)測(CUMCM 2005A)
4.4.2　實例二 預(yù)測與會代表人數(shù)(CUMCM 2009D)
4.5　小結(jié)
參考文獻
第5章　遺傳算法及其MATLAB實現(xiàn)
5.1　遺傳算法基本原理
5.1.1　人工智能算法概述
5.1.2　遺傳算法生物學基礎(chǔ)
5.1.3　遺傳算法的實現(xiàn)步驟
5.1.4　遺傳算法的拓展
5.2　遺傳算法的MATLAB程序設(shè)計
5.2.1　程序設(shè)計流程及參數(shù)選取
5.2.2　MATLAB遺傳算法工具箱
5.3　遺傳算法應(yīng)用案例
5.3.1　案例一：無約束目標函數(shù)最大值遺傳算法求解策略
5.3.2　案例二：CUMCM中多約束非線性規(guī)劃問題的求解
5.3.3　案例三：BEATbx遺傳算法工具箱的應(yīng)用--電子商務(wù)中轉(zhuǎn)化率影響因素研究

參考文獻
第6章　模擬退火算法及其MATLAB實現(xiàn)
6.1　算法的基本理論
6.1.1　算法概述
6.1.2　基本思想
6.1.3　其他一些參數(shù)的說明
6.1.4　算法基本步驟
6.1.5　幾點說明
6.2　算法的MATLAB實現(xiàn)
6.2.1　算法設(shè)計步驟
6.2.2　典型程序結(jié)構(gòu)
6.3　應(yīng)用實例：背包問題的求解
6.3.1　問題的描述
6.3.2　問題的求解
6.4　模擬退火程序包ASA簡介
6.4.1　ASA的優(yōu)化實例
6.4.2　ASA的編譯
6.4.3　MATLAB版ASA的安裝與使用
6.5　小結(jié)
6.6　延伸閱讀
參考文獻
第7章　人工神經(jīng)網(wǎng)絡(luò)及其MATLAB實現(xiàn)
7.1　人工神經(jīng)網(wǎng)絡(luò)基本理論
7.1.1　人工神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)
7.1.2　常用激勵函數(shù)
7.1.3　常見神經(jīng)網(wǎng)絡(luò)理論
7.2　BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
7.2.1　鯊魚嗅聞血腥味與BP神經(jīng)網(wǎng)絡(luò)訓練
7.2.2　透視神經(jīng)網(wǎng)絡(luò)的學習步驟
7.2.3　BP神經(jīng)網(wǎng)絡(luò)的動態(tài)擬合過程
7.3　RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
7.3.1　梯度訓練法RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
7.3.2　RBF神經(jīng)網(wǎng)絡(luò)的性能
7.4　應(yīng)用實例
7.4.1　基于MATLAB源程序公路運量預(yù)測
7.4.2　基于MATLAB工具箱公路運量預(yù)測
7.4.3　艾滋病治療最佳停藥時間的確定（CUMCM 2006 B）
7.4.4　RBF神經(jīng)網(wǎng)絡(luò)預(yù)測新客戶流失概率
7.5　延伸閱讀
7.5.1　從金融分析中的小數(shù)定理談神經(jīng)網(wǎng)絡(luò)的訓練樣本遴選規(guī)則
7.5.2　小議BP神經(jīng)網(wǎng)絡(luò)的衍生機理
參考文獻
第8章　粒子群算法及其MATLAB實現(xiàn)
8.1　PSO算法相關(guān)知識
8.1.1　初識PSO算法
8.1.2　PSO算法的基本理論
8.1.3　PSO算法的約束優(yōu)化
8.1.4　PSO算法的優(yōu)缺點
8.2　PSO算法程序設(shè)計
8.2.1　程序設(shè)計流程
8.2.2　PSO算法的參數(shù)選取
8.2.3　PSO算法MATLAB源程序范例
8.3　應(yīng)用案例：基于PSO算法和BP算法訓練神經(jīng)網(wǎng)絡(luò)
8.3.1　如何評價網(wǎng)絡(luò)的性能
8.3.2　BP算法能夠搜索到極值的原理
8.3.3　PSOBP神經(jīng)網(wǎng)絡(luò)的設(shè)計指導(dǎo)原則
8.3.4　PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
8.3.5　PSOBP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
參考文獻
第9章　蟻群算法及其MATLAB實現(xiàn)
9.1　蟻群算法原理
9.1.1　蟻群算法基本思想
9.1.2　蟻群算法數(shù)學模型
9.1.3　蟻群算法流程
9.2　蟻群算法的MATLAB實現(xiàn)
9.2.1　實例背景
9.2.2　算法設(shè)計步驟
9.2.3　MATLAB程序?qū)崿F(xiàn)
9.2.4　程序執(zhí)行結(jié)果與分析
9.3　算法關(guān)鍵參數(shù)的設(shè)定
9.3.1　參數(shù)設(shè)定的準則
9.3.2　螞蟻數(shù)量
9.3.3　信息素因子
9.3.4　啟發(fā)函數(shù)因子
9.3.5　信息素揮發(fā)因子
9.3.6　信息素常數(shù)
9.3.7　最大迭代次數(shù)
9.3.8　組合參數(shù)設(shè)計策略
9.4　應(yīng)用實例：最佳旅游方案(蘇北賽2011B)
9.4.1　問題描述
9.4.2　問題的求解和結(jié)果
9.5　本章小結(jié)
參考文獻

第10章　小波分析及其MATLAB實現(xiàn)
10.1　小波分析基本理論
10.1.1　傅里葉變換的局限性
10.1.2　伸縮平移和小波變換
10.1.3　小波變換入門和多尺度分析
10.1.4　小波窗函數(shù)自適應(yīng)分析
10.2　小波分析MATLAB程序設(shè)計
10.2.1　小波分析工具箱函數(shù)指令
10.2.2　小波分析程序設(shè)計綜合案例
10.3　小波分析應(yīng)用案例
10.3.1　案例一：融合拓撲結(jié)構(gòu)的小波神經(jīng)網(wǎng)絡(luò)
10.3.2　案例二：血管重建引出的圖像數(shù)字水印
參考文獻
第11章　計算機虛擬及其MATLAB實現(xiàn)
11.1　計算機虛擬基本知識
11.1.1　從3G移動互聯(lián)網(wǎng)協(xié)議WCDMA談MATLAB虛擬
11.1.2　計算機虛擬與數(shù)學建模
11.1.3　數(shù)值模擬與經(jīng)濟效益博弈
11.2　數(shù)值模擬MATLAB程序設(shè)計
11.2.1　微分方程組模擬
11.2.2　服從概率分布的隨機模擬
11.2.3　蒙特卡羅模擬
11.3　動態(tài)仿真MATLAB程序設(shè)計
11.3.1　MATLAB音頻處理
11.3.2　MATLAB常規(guī)動畫實現(xiàn)
11.4　應(yīng)用案例：四維水質(zhì)模型
11.4.1　問題的提出
11.4.2　問題的分析
11.4.3　四維水質(zhì)模型準備
11.4.4　條件假設(shè)與符號約定
11.4.5　四維水質(zhì)模型的組建
11.4.6　模型求解
11.4.7　計算機模擬情境
參考文獻
下篇　真題演習
第12章　彩票中的數(shù)學(CUMCM 2002 B)
12.1　問題的提出
12.2　模型的建立
12.2.1　模型假設(shè)與符號說明
12.2.2　模型的準備
12.2.3　模型的建立
12.3　模型的求解
12.3.1　求解的思路
12.3.2　MATLAB程序
12.3.3　程序結(jié)果
12.4　技巧點評
參考文獻
第13章　露天礦卡車調(diào)度問題(CUMCM 2003 B)
13.1　問題的提出
13.2　基本假設(shè)與符號說明
13.2.1　基本假設(shè)
13.2.2　符號說明
13.3　問題分析及模型準備
13.4　原則①：數(shù)學模型（模型1）的建立與求解
13.4.1　模型的建立
13.4.2　模型求解
13.5　原則②：數(shù)學模型（模型2）的建立與求解
13.6　技巧點評
參考文獻
第14章　奧運會商圈規(guī)劃問題(CUMCM 2004 A)
14.1　問題的描述
14.2　基本假設(shè)、名詞約定及符號說明
14.2.1　基本假設(shè)
14.2.2　符號說明
14.2.3　名詞約定
14.3　問題分析與模型準備
14.3.1　基本思路
14.3.2　基本數(shù)學表達式的構(gòu)建
14.4　設(shè)置MS網(wǎng)點數(shù)學模型的建立與求解
14.4.1　模型建立
14.4.2　模型求解
14.5　設(shè)置MS網(wǎng)點理論體系的建立
14.6　商區(qū)布局規(guī)劃的數(shù)學模型
14.6.1　模型建立
14.6.2　模型求解
14.7　模型的評價及使用說明
14.7.1　模型的優(yōu)點
14.7.2　模型的缺點
14.8　技巧點評
參考文獻
第15章　交巡警服務(wù)平臺的設(shè)置與調(diào)度(CUMCM 2011B)
15.1　問題的提出
15.2　問題的分析
15.3　基本假設(shè)
15.4　問題1模型的建立與求解
15.4.1　交巡警服務(wù)平臺管轄范圍分配
15.4.2　交巡警的調(diào)度
15.4.3　最佳新增服務(wù)平臺設(shè)置
15.5　問題2模型的建立和求解
15.5.1　全市服務(wù)平臺的合理性分析問題的模型與求解
15.5.2　搜捕嫌疑犯實例的模型與求解
15.6　模型的評價與改進
15.6.1　模型優(yōu)點
15.6.2　模型缺點
15.7　技巧點評
參考文獻
第16章　葡萄酒的評價(CUMCM 2012A)
16.1　問題的提出
16.2　基本假設(shè)
16.3　問題①模型的建立和求解
16.3.1　問題①的分析
16.3.2　模型的建立和求解
16.4　問題②模型的建立和求解
16.4.1　問題②的基本假設(shè)和分析
16.4.2　模型的建立和求解
16.5　問題③模型的建立和求解
16.5.1　問題③的分析
16.5.2　模型的建立和求解
16.6　問題④模型的建立和求解
16.6.1　問題④的分析
16.6.2　模型的建立和求解
16.7　論文點評
參考文獻
附件　數(shù)學建模參賽經(jīng)驗
一、 如何準備數(shù)學建模競賽
二、 數(shù)學建模隊員應(yīng)該如何學習MATLAB
三、 如何在數(shù)學建模競賽中取得好成績
四、 數(shù)學建模競賽中的項目管理和時間管理
五、 一種非常實用的數(shù)學建模方法--目標建模法