遗传算法的成功实例运行成功 - CSDN文库

关于遗传算法优化神经网络的实例，测试运行成功。

5星 · 超过95%的资源需积分: 10 48 浏览量更新于2023-05-27 评论 1 收藏 35KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

用遗传算法优化 BP 神经网络的 Matlab 编程实例（转）

由于 BP 网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利

用 Matlab 遗传算法工具箱。以下贴出的代码是为一个 19 输入变量，1 个输出变量情况下

的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。

程序一：GA 训练 BP 权值的主函数

function net=GABPNET(XX,YY)

% 使用遗传算法对 BP 网络权值阈值进行优化，再用 BP 算法训练网络

%数据归一化预处理

nntwarn off

XX=[1:19;2:20;3:21;4:22]';

YY=[1:4];

XX=premnmx(XX);

YY=premnmx(YY);

YY

%创建网络

net=newff(minmax(XX),[19,25,1],

{'tansig','tansig','purelin'},'trainlm');

%下面使用遗传算法对网络进行优化

P=XX;

T=YY;

R=size(P,1);

S2=size(T,1);

S1=25;%隐含层节点数

S=R*S1+S1*S2+S1+S2;%遗传算法编码长度

aa=ones(S,1)*[-1,1];

popu=50;%种群规模

save data2 XX YY % 是将 xx,yy 二个变数的数值存入 data2 这个 MAT-file，

initPpp=initializega(popu,aa,'gabpEval');%初始化种群

gen=100;%遗传代数

%下面调用 gaot 工具箱，其中目标函数定义为 gabpEval

[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-6 1

1],'maxGenTerm',gen,...

'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2

gen 3]);

%绘收敛曲线图

figure(1)

plot(trace(:,1),1./trace(:,3),'r-');

hold on

plot(trace(:,1),1./trace(:,2),'b-');

xlabel('Generation');

ylabel('Sum-Squared Error');

figure(2)

plot(trace(:,1),trace(:,3),'r-');

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论2

brown_cat

2016-11-04

参考一下，学习

spritecoca

粉丝: 5
资源: 13

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈