用遗传算法优化BP神经网络的Matlab编程实例46883.docVIP

用遗传算法优化BP神经网络的Matlab编程实例 [引用 2007-08-29 21:14:08] ?? ?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)%--------------------------------------------------------------------------%? GABPNET.m%? 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=premnmx(XX);? YY=premnmx(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? 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-);? hold on? plot(trace(:,1),trace(:,2),b-);? xlabel(Generation);? ylabel(Fittness);%下面将初步得到的权值矩阵赋给尚未开始训练的BP网络? [W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);? net.LW{2,1}=W1;? net.LW{3,2}=W2;? net.b{2,1}=B1;? net.b{3,1}=B2;? XX=P;? YY=T;%设置训练参数? net.trainParam.show=1;? net.trainParam.lr=1;? net.trainParam.epochs=50;? net.trainParam.goal=0.001;%训练网络? net=train(net,XX,YY); 程序二：适应值函数function [sol, val] = gabpEval(sol,options)% val - the fittness of this individual% sol - the individual, returned to allow for Lamarckian evolution% options - [current_generation]load data2nntwarn offXX=premnmx(XX);YY=premnmx(YY);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for i=1:S,?? x(i)=sol(i);end;[W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x); 程序三：编解码函数function [W1, B1, W2, B2, P, T, A1, A2, SE, v