《高等应用数学问题MATLAB求解》10.pptVIP

高等应用数学问题的MATLAB求解 第 1 0 章数学问题的非传统解法 薛定宇、陈阳泉著《高等应用数学问题的MATLAB求解》，清华大学出版社2004 CAI课件开发：薛定宇、刘莹莹 本章主要内容 模糊逻辑与模糊推理 神经网络及其在数据拟合中的应用 遗传算法及其在最优化问题中的应用 小波变换及其在数据处理中的应用 粗糙集理论与应用 分数阶微积分学及其应用 本章要点简介 10.1 模糊逻辑与模糊推理 10.1.1 经典集合论和模糊集 10.1.2 隶属度与模糊化 10.1.3 模糊推理系统建立 10.1.4 模糊规则与模糊推理 经典集合论及其 MATLAB 求解 集合论是现代数学的基础 集合：一些事物的全体，而其中每一个事物均称为集合中的一个元素。 可枚举集合：该集合中的所有元素均可以一一列出的集合 集合表示举例 MATLAB 下的集合运算函数 【例10-1】已知 模糊集合 经典集合： 一个事物a 要么就属于集合A，要么就不属于集合A 美国控制论专家 Lotfi A Zadeh 教授，1965 Zadeh 教授指出，当问题的复杂性增加时，精确的描述将失去意义，而有意义的描述将失去精度。 10.1.2 隶属度与模糊化 钟形隶属度函数 Gauss 隶属度函数 Sigmoid 型隶属度函数 隶属度函数的图形编辑界面 用界面编辑隶属度函数 修改隶属度参数 添加隶属度函数 10.1.3 模糊推理系统建立 10.1.3 模糊规则与模糊推理 模糊化 模糊规则 解模糊 10.2 神经网络及其在数据拟合中的应用 10.2.1 神经网络基础知识 10.2.2 神经网络界面 BP 神经网络结构示意图 10.2.1.2 神经网络的训练与泛化 神经网络训练函数 目标值曲线函数 神经网络泛化 10.2.2 神经网络界面 启动神经网络界面 nntool 【例10-13】重新求解一元函数拟合 10.3 遗传算法及其在最优化问题中的应用 遗传算法是基于进化论，在计算机上模拟生命进化机制而发展起来的一门新学科，它根据适者生存、优胜劣汰等自然进化规则搜索和计算问题的解。 美国 Michigen 大学的 John Holland 于 1975 年提出的。 遗传算法最优化工具箱 MATLAB 7.0的遗传算法与直接搜索工具箱 遗传算法的基本思想 从一个代表最优化问题解的一组初值开始进行搜索，这组解称为一个种群，这里种群由一定数量的、通过基因编码的个体组成，其中每一个个体称为染色体，不同个体通过染色体的复制、交叉或变异又生成新的个体，依照适者生存的规则，个体也在一代一代进化，通过若干代的进化最终得出条件最优的个体。 简单遗传算法的一般步骤 选择 n 个个体构成初始种群 ，并求出种群内各个个体的函数值。 设置代数为 i=1，即设置其为第一代。 计算选择函数的值，所谓选择即通过概率的形式从种群中选择若干个个体的方式。 通过染色体个体基因的复制、交叉、变异等创造新的个体，构成新的种群 。 i=i+1，若终止条件不满足，则继续进化。 遗传算法和传统优化算法比较 不同于从一个点开始搜索最优解的传统的最优化算法，遗传算法从一个种群开始对问题的最优解进行并行搜索，所以更利于全局最优化解的搜索。 遗传算法并不依赖于导数信息或其他辅助信息来进行最优解搜索。 遗传算法采用的是概率型规则而不是确定性规则，所以每次得出的结果不一定完全相同，有时甚至会有较大的差异。 10.3.2 遗传算法在求解最优化问题中的应用举例 GAOT 工具箱 MATLAB 7.0 GA工具箱界面， gatool() GAOT 的最优化函数 可以设置其他参数 n为最大允许代数 10.3.3 遗传算法在有约束最优化问题中的应用 不能直接用于有约束最优化问题求解 可以令不满足约束的目标函数为小值 仍采用 gaopt() 或 ga() 函数求解 10.4 小波变换及其在数据处理中的应用 10.4.1 小波变换及基小波波形 小波：均值为零的一族波形 10.4.2 小波变换技术在信号处理中的应用 10.4.3 小波问题的程序界面 10.4.1 小波变换及其在数据处理中的应用 连续小波变换 小波反变换函数 离散小波变换 小波工具箱中提供的基小波函数 显示基小波类型 小波分析函数 一维信号的小波分解 提取近似系数 cA 和细节系数 cD 信号重建 10.4.3 小波问题的程序界面 可以键入 wavemenu 命令 10.5 粗糙集理论与应用 粗糙集 (rough set) 是波兰数学家 Z Pawlak 为开发自动规则生成系统及研究软计算问题于 1982 年提出的。 粗糙集理论是一种处理不精确、不确定与不完全