《MATLAB 2020智能算法从入门到精通》以MATLAB 2020为基础，结合作者团队的教学经验，讲解智能算法的各种方法和技巧。本书主要内容包括MATLAB入门、MATLAB基础知识、插值算法、拟合算法、图与网络算法、有向图算法、机器学习与深度学习算法、图像的复原算法、粒子群*小值算法以及多目标优化算法等。本书覆盖数学计算的各个方面，实例丰富而典型，指导读者有的放矢地进行学习。
《MATLAB 2020智能算法从入门到精通》既可作为初学者的入门用书，也可作为工程技术人员、本科生、研究生的参考书或教材。

前言
第1章 MATLAB入门
1.1 启动MATLAB
1.2 MATLAB 2020的操作环境
1.2.1 功能区
1.2.2 工具栏
1.2.3 命令行窗口
1.2.4 命令历史记录窗口
1.2.5 当前文件夹窗口
1.2.6 工作区窗口
1.2.7 图形窗口
1.2.8 文件管理
1.2.9 使用帮助
1.3 数据类型
1.3.1 变量与常量
1.3.2 数据的显示格式
1.3.3 算术运算符
1.3.4 数据类型函数

第2章 MATLAB基础知识
2.1 MATLAB基本运算
2.1.1 向量
2.1.2 矩阵的生成
2.2 可视化绘图
2.2.1 figure命令
2.2.2 subplot命令
2.2.3 plot绘图命令
2.2.4 图形注释
2.3 图像的基本操作
2.3.1 图像读入
2.3.2 图像的显示

第3章 插值算法
3.1 插值问题
3.1.1 插值算法概述
3.1.2 线性插值
3.2 基本插值计算
3.2.1 插值算法分类
3.2.2 一次插值函数
3.2.3 二次插值
3.3 多项式插值法
3.3.1 计算插值多项式
3.3.2 计算多项式插值
3.4 常用多项式插值
3.4.1 拉格朗日(Lagrange)插值
3.4.2 牛顿（Newton）插值
3.4.3 埃尔米特(Hermite)插值
3.5 分段插值
3.5.1 龙格函数
3.5.2 分段线性插值
3.5.3 分段三次（埃尔米特）插值
3.6 三次样条插值
3.6.1 样条曲线
3.6.2 三次样条插值
3.7 二次、三次混合插值
3.7.1 半无限规划
3.7.2 二次、三次混合插值函数

第4章 拟合算法
4.1 拟合问题
4.1.1 插值算法与拟合算法
4.1.2 曲线拟合问题
4.1.3 求解拟合曲线步骤
4.2 最小二乘法
4.2.1 线性最小二乘法
4.2.2 加权最小二乘法
4.2.3 鲁棒最小二乘法
4.2.4 非线性最小二乘法
4.3 数据拟合
4.3.1 拟合模型
4.3.2 拟合类型
4.3.3 拟合算法
4.3.4 数据拟合
4.3.5 拟合后处理
4.4 线性拟合
4.4.1 线性拟合函数
4.4.2 一元线性组合函数拟合
4.5 多项式拟合
4.5.1 拟合多项式
4.5.2 多项式拟合预测值
4.5.3 多项式拟合工具
4.5.4 曲线拟合工具

第5章 图与网络算法
5.1 图
5.1.1 绘制方向图
5.1.2 绘制子图
5.2 图的外观设置
5.2.1 图属性设置
5.2.2 图的标注
5.3 图的遍历算法
5.3.1 广度优先搜索算法
5.3.2 深度优先搜索算法
5.3.3 算法应用1
5.3.4 算法应用2
5.4 可达性算法
5.4.1 算法概述
5.4.2 连通图
5.4.3 连通分量
5.4.4 双连通图分量
5.4.5 可达矩阵
5.4.6 算法应用1
5.4.7 算法应用2
5.5 PageRank 算法
5.5.1 算法概述
5.5.2 算法基本原理
5.5.3 算法函数
5.5.4 算法应用

第6章 有向图算法
6.1 数据结构
6.1.1 邻接矩阵
6.1.2 关联矩阵
6.2 图的分类
6.2.1 绘制自环图
6.2.2 绘制加权图
6.2.3 图的布局
6.3 最大流算法
6.3.1 算法原理
6.3.2 算法函数
6.3.3 算法应用
6.4 最小生成树算法
6.4.1 算法原理
6.4.2 算法函数
6.4.3 算法应用
6.5 图的最短路径算法
6.5.1 最短路径定义
6.5.2 全局最短路径
6.5.3 起点终点的最短路径
6.5.4 算法应用

第7章 机器学习与深度学习算法
7.1 机器学习
7.1.1 机器学习算法
7.1.2 机器学习应用
7.2 神经网络
7.2.1 神经网络基础
7.2.2 深度学习典型网络模型
7.2.3 深度学习算法
7.3 深度神经网络计算
7.3.1 神经网络优化算法
7.3.2 反向传播
7.3.3 神经网络层
7.3.4 激励函数
7.3.5 预训练模型
7.4 梯度下降算法
7.4.1 梯度下降算法分类
7.4.2 随机梯度下降算法
7.5 梯度下降算法基本函数
7.5.1 算法设置
7.5.2 网络训练样本
7.5.3 神经网络分类
7.5.4 网络预测
7.5.5 深度网络设计器
7.6 算法应用

第8章 图像的复原算法
8.1 图像的退化
8.1.1 图像退化的原因
8.1.2 图像退化的数学模型
8.2 图像的复原
8.2.1 图像的复原模型
8.2.2 图像复原方法
8.2.3 复原方法的评估
8.3 图像的复原算法
8.3.1 维纳滤波
8.3.2 图像线性滤波
8.3.3 正规则化滤波
8.3.4 Lucy-Richardson滤波

第9章 粒子群最小值算法
9.1 粒子群算法基础
9.1.1 粒子群算法的发展
9.1.2 复杂适应系统
9.2 粒子群函数
9.2.1 算法参数设置
9.2.2 粒子群函数
9.3 算法应用
9.3.1 算法应用1
9.3.2 算法应用2
9.3.3 算法应用3
9.3.4 算法应用4
9.3.5 算法应用5
9.3.6 算法应用6

第10章 多目标优化算法
10.1 数学原理
10.2 基本函数
10.2.1 optimset函数
10.2.2 多目标规划函数
10.3 算法应用
10.3.1 算法应用1
10.3.2 算法应用2
10.3.3 算法应用3