管理数学实验 I
第1章 绪论 1
1.1 问题与模型 1
1.2 数学建模 2
1.3 管理与数学模型 3
1.4 管理问题数学模型类型 11
1.5 管理问题建模的过程 12
1.6 管理数学实验 12
第2章 MATLAB基础 13
2.1 MATLAB语言概述 13
2.1.1 MATLAB的发展及特点 13
2.1.2 MATLAB的功能 14
2.1.3 MATLAB操作环境 14
2.1.4 MATLAB工具箱 17
2.1.5 MATLAB语言基础 18
2.2 MATLAB的基本运算 26
2.2.1 创建矩阵 26
2.2.2 矩阵运算 28
2.2.3 多项式运算 35
2.2.4 线性方程组 36
2.2.5 MATLAB 语言流程控制结构 36
2.2.6 数学函数 39
2.2.7 MATLAB的m文件及编程 40
2.3 MATLAB的绘图 43
2.3.1 Matlab 二维绘图 43
2.3.2 Matlab 三维绘图 49
2.4 MATLAB的符号处理 54
2.4.1 符号对象和表达式操作 54
2.4.2 符号微积分 56
2.5 MATLAB数据的输入输出 57
2.5.1 数据文件的输入输出 57
2.5.2 Matlab与数据库的输入输出 61
第3章 预测计算 65
3.1 时间序列分析 65
3.1.1 时间序列分析的相关理论 65
3.1.2 时间序列移动平均法 68
3.1.3 时间序列趋势和季节因素的预测 71
3.2 回归预测模型 74
3.2.1 线性回归 74
3.2.2 可线性化的曲线回归 79
3.2.3 回归案例 81
3.3 马尔可夫预测模型 83
3.3.1 理论基础 84
3.3.2 马尔科夫预测的应用 87
3.3.3 案例分析 90
3.4 灰色预测模型 94
3.4.1传统灰色预测模型 95
3.4.2 Matlab灰色预测模型分析程序 98
3.4.3 灰色预测模型应用案例 101
3.4.4 无偏灰色预测模型及应用 102
第4章 MATLAB的优化计算 104
4.1 MATLAB优化工具箱简介 104
4.2 线性规划 105
4.2.1 MATLAB优化工具箱的线性规划函数 105
4.2.2 线性规划应用案例 107
4.3 MATLAB的非线性最优化问题 108
4.3.1 用MATLAB求解无约束优化问题 108
4.3.2 非线性无约束优化案例分析 110
4.3.3 用MATLAB求解非线性规划问题 111
4.3.4 非线性规划案例分析 114
4.4 多目标规划的若干解法 118
4.4.1 多目标规划模型 118
4.4.2 理想点法 118
4.4.3 线性加权和法 120
4.4.4 最大最小法 120
4.4.5 目标规划法 121
4.5 动态规划问题 123
4.5.1 动态规划数学模型构建 123
4.5.2 动态规划Matlab程序分析 126
4.5.3 动态规划案例分析 127
4.6 最短路问题 133
4.6.1 最短路径算法简介 133
4.6.2 最短路径示例 143
4.6.3 校园导游案例分析 147
4.7 GUI优化工具 149
4.7.1 GUI优化工具概述 149
4.7.2 GUI优化工具应用实例 151
第5章 智能优化计算 155
5.1 模拟退火算法 155
5.1.1 模拟退火的原理 155
5.1.2 模拟退火算法简介 156
5.1.3 旅行商问题（TSP）求解 157
5.1.4 最大截问题（MCP）求解 161
5.1.5 (0/1)背包问题（ZKP） 165
5.2 遗传算法 168
5.2.1 遗传算法的基本概念 168
5.2.2 遗传算法的基本原理 169
5.2.3 遗传算法的实现 172
5.2.4 基于改进遗传算法求解TSP问题 174
5.3 蚁群算法及其应用 183
5.3.1 引言 183
5.3.2 蚁群算法的基本原理 184
5.3.3 基于蚁群系统对TSP问题的分析 185
5.3.4 一般蚁群算法的框架 190
5.4 粒子群算法 193
5.4.1 粒子群算法原理 194
5.4.2 粒子群算法流程 195
5.4.3 粒子群算法的参数分析 195
5.4.4 粒子群算法的改进 196
5.4.5 粒子群算法的程序及算例 198
5.5 模糊逻辑与模糊推理 201
5.5.1 模糊逻辑 201
5.5.2 模糊推理系统 207
5.5.3 几种典型的模糊推理方法 209
5.5.4 模糊逻辑工具箱 213
5.5.5 模糊逻辑系统示例 215
第6章 人工神经网络计算 224
6.1 人工神经网络的概念 224
6.1.1 生物神经元及生物神经网络 225
6.1.2 人工神经网络 226
6.2 感知器（Perceptron） 230
6.3 自适应线性元件 235
6.4 BP网络 240
6.5 反馈网络 248
第7章 系统分析与系统评价技术 261
7.1 主成分分析与因子分析 261
7.1.1 主成分分析方法 261
7.1.2 利用matlab实现主成分分析 264
7.1.3 因子分析的方法原理 267
7.2 聚类分析 277
7.2.1 聚类分析的含义 277
7.2.2 相似系数和距离 277
7.2.3 聚类分析的基本过程 281
7.2.4 模糊聚类分析 285
7.3 灰色关联分析 291
7.3.1 灰色关联分析概述 291
7.3.2 灰色关联分析的计算步骤 292
7.3.2 灰色关联分析示例 293
7.4 层次分析方法 294
7.4.1 层次分析方法简介 294
7.4.2 层次分析方法的计算 295
7.4.3 层次分析法的优点和局限性 298
7.4.4 层次分析法的MATLAB程序 299
7.4.5 层次分析法案例 300
7.5 数据包络分析 303
7.5.1 DEA的概念与方法 303
7.5.2 模型的经济含义分析 306
7.5.3 DEA模型 307
7.5.4 DEA模型方法适用综合绩效评价的分析 309
7.5.5 带有偏好约束锥的DEA模型 309
7.5.6 基于DEA模型综合绩效评价程序 313
7.5.7 基于DEA模型综合绩效评价的案例计算 314
7.5.7 基于DEA模型综合绩效评价的案例计算 315
7.6 模糊综合评价法 317
7.6.1 模糊决策的概念 317
7.6.2 自然状态概率的模糊估算模型 317
7.6.3 最优期望益损值决策准则 319
7.6.4 模型应用 319
7.6.5 模糊综合评价模型计算的MATLAB程序 321
7.6.6 物流园区层次分析模糊综合评价 323
参考文献 328