遺傳算法優(yōu)化神經(jīng)網(wǎng)絡MATLAB實現(xiàn)-

1、遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡建模 （1）主程序 %清空環(huán)境變量 clc clear %讀取數(shù)據(jù) load data.mat %節(jié)點個數(shù) inputnum=4; hiddennum=5; outputnum=1; %訓練數(shù)據(jù)和預測數(shù)據(jù) input_train=input(1:150,:' input_test=input(151:200,:' output_train=output(1:150' output_test=output(151:200' %選連樣本輸入輸出數(shù)據(jù)歸一化 inputn,inputps=mapminmax(input_train; outpu

2、tn,outputps=mapminmax(output_train; %構建網(wǎng)絡 net=newff(inputn,outputn,hiddennum; % 遺傳算法參數(shù)初始化 maxgen=200; %進化代數(shù)，即迭代次數(shù) sizepop=30; %種群規(guī)模 pcross=0.9; %交叉概率選擇，0和1之間 pmutation=0.1; %變異概率選擇，0和1之間 %節(jié)點總數(shù) numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum; lenchrom=ones(1,numsum; bound=-3*ones(nu

3、msum,1 3*ones(numsum,1; %數(shù)據(jù)范圍 %-種群初始化-%- - individuals=struct('fitness',zeros(1,sizepop, 'chrom',; %將種群信息定義為一個結構體 %avgfitness=; %每一代種群的平均適應度 bestfitness=; %每一代種群的最佳適應度 bestchrom=; %適應度最好的染色體 %初始化種群 for i=1:sizepop %隨機產(chǎn)生一個種群 individuals.chrom(i,:=Code(lenchrom,bound; %編碼 x=individuals

4、.chrom(i,:; %計算適應度 individuals.fitness(i=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn; %染色體的適應度 end %找最好的染色體 bestfitness bestindex=min(individuals.fitness; bestchrom=individuals.chrom(bestindex,:; %最好的染色體 %avgfitness=sum(individuals.fitness/sizepop; %染色體的平均適應度 % 記錄每一代進化中最好的適應度和平均適應度 %trace=

5、avgfitness bestfitness; % 迭代求解最佳初始閥值和權值 % 進化開始 for i=1:maxgen i % 選擇 individuals=Select(individuals,sizepop; % avgfitness=sum(individuals.fitness/sizepop; %交叉 individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound; % 變異 individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom

6、,sizepop,i,maxgen,bound; % 計算適應度 for j=1:sizepop x=individuals.chrom(j,:; %解碼 individuals.fitness(j=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn; end %找到最小和最大適應度的染色體及它們在種群中的位置 newbestfitness,newbestindex=min(individuals.fitness; worestfitness,worestindex=max(individuals.fitness; % 代替上一次進化中最

7、好的染色體 if bestfitness>newbestfitness bestfitness=newbestfitness; bestchrom=indi 行性 flag2=test(lenchrom,bound,chrom(index(2,:; %檢驗染色體2的可行性 if flag1*flag2=0 flag=0; else flag=1; end %如果兩個染色體不是都可行，則重新交叉 end end ret=chrom; (6變異操作Mutation.m function ret=Mutation(pmutation,lenchrom,chrom,sizepop,num,max

8、gen,bound % 本函數(shù)完成變異操作 % pcorss input : 變異概率 % lenchrom input : 染色體長度 % chrom input : 染色體群 % sizepop input : 種群規(guī)模 % opts input : 變異方法的選擇 % pop input : 當前種群的進化代數(shù)和最大的進化代數(shù)信息 % bound input : 每個個體的上屆和下屆 % maxgen input ：最大迭代次數(shù) % num input : 當前迭代次數(shù) % ret output : 變異后的染色體 for i=1:sizepop %每一輪for循環(huán)中，可能會進行一次變異

9、操作，染色體是隨機選擇的，變異位置也是隨機選擇的， %但該輪for循環(huán)中是否進行變異操作則由變異概率決定（continue控制） % 隨機選擇一個染色體進行變異 pick=rand; while pick=0 pick=rand; end index=ceil(pick*sizepop; % 變異概率決定該輪循環(huán)是否進行變異 pick=rand; if pick>pmutation continue; end flag=0; while flag=0 % 變異位置 pick=rand; while pick=0 pick=rand; end pos=ceil(pick*sum(lenchrom; %隨機選擇了染色體變異的位置，即選擇了第pos個變量進行變異 pick=rand; %變異開始 fg=(rand*(1-num/maxgen2; if pick>0.5 chrom(i,pos=chrom(i,pos+(bound(pos,2-c