pso优化bp仿真函数逼近的matlab程序

以下是基于PSO算法优化BP神经网络的仿真函数逼近的MATLAB程序示例：

%% 数据准备
x = linspace(0,2*pi,200);
y = sin(x);

%% BP神经网络
net = feedforwardnet(10);
net.trainParam.showWindow = false;
net.trainParam.showCommandLine = false;
net.trainParam.epochs = 100;
net.trainParam.goal = 0.0001;
net = train(net,x,y);

%% PSO算法
n = net.numWeightElements;
lb = repmat(-10,n,1);
ub = repmat(10,n,1);
options = optimoptions(@particleswarm,'SwarmSize',50,'Display','off');
fun = @(w) sum((y - net(x)).^2);
[w,~,~] = particleswarm(fun,n,lb,ub,options);

%% 结果展示
pso_y = net(x,w);
figure;
plot(x,y,'b',x,pso_y,'r');
legend('原始数据','PSO-BP神经网络拟合结果');

该程序首先生成了一组正弦函数的数据，然后使用MATLAB自带的BP神经网络工具箱进行训练，在得到BP神经网络的训练结果后，使用PSO算法对BP神经网络的权值进行优化。最后，将PSO-BP神经网络的拟合结果与原始数据进行比较并展示。