遗传算法优化BP神经网络实现代码.docVIP

遗传算法优化BP神经 络实现代码 -CAL-FENGHAI.-(YICAI)-Company One 1 %馈取数据 data=xlsread()； %训练预测数据 data_train=data(l:113/:); data_test=data(ll 8:123〃:); input_train=data_trai n(:,l:9)‘； output_train=data_train(:/10); input_test=data_test(:/l-9)1； output_test=data_test(:/10)1; %数据归i化 [inputn/mininput/maxinput/outputn/minoutput/maxoutput]=premnmx(input_train,output_train); %对 p 和t进行字标准化预处理 net=newff(minmax(inputn)f[10/lJ/{tansig7purelin,}/,trainlm,); %网络训练 n et=train( net,input n,o utputn); %数据归i化 input n_test = tramnm x(input_t€Slmininput,maxinput); an二 sim(netjnputn); test_simu=postmnmx(an/minoutput/maxoutput); error=test_simu-output_train; plot(error) k=error./output_train function ret=Cross(pcross/lenchrom/chrom/sizepop/bound) %本函数完成交叉操作 % pcorss input :交叉概率 % lenchrom input :染色体的长度 % chrom input :染色体群 % sizepop input :种群规模 % ret output:交叉后的染色体 for i=l:sizepop %每•轮for循坏屮，町能会进行•次交叉操作，染色体是随机选择的，交叉位置也 是随机选择的，％但该轮for循环中是否进行交叉操作则由交叉槪率决定(continue控制) %随机选择两个染色体进行交叉 pick=rand(lz2); while prod(pick)==0 pick=rand(l/2); end in dex=ceil(pick.*sizepop); %交叉槪率决定是否进行交叉 pick=rand; while pick==O pick=rand; end if pickpcross continue; end flag=O; while flag==O %随机选择交叉位 pick=ra nd; while pick==O pick=ra nd; end pos=ceil(pick.*sum(lenchrom)); %随机选择进行•交叉的位置，即选邛第几个变量进行交叉，注 意：两个染色体交叉的位置相同 pick=rand; %交叉开始 vl=chrom(index(l),pos); v2=chrom(i ndex(2),pos); chrom(index(l)/pos)=pick*v2+(l-pick)#vl; chrom(index(2)/pos)=pick*vl+(l-pick)#v2; %交叉结束 flagl二test(lenchrom,bound〃chrom(indGX(“:)); %检验染色体 1 的可行性 flag2=test(lenchrom/bound/chrom(index(2)/:)); %检验染色体 2 旳可彳 j•性 if flagl*flag2==O flag=O; else flag=l; end %如果两个染色体不是都可行，则重新交叉 end end ret=chrom; %淸空环境变量 clc clear % %%网络结构建立 %读取数据 load data input output %节点个数 in putnum=2; hidde nn um=5; output num=l; %训练数据和预测数据 input_train=input(l:1900/:); input_test=input(1901:2000,:)1; output_train=output(l:：1900); output_test=output(1901:2000); %选连样本输入输出数据归•化 [in putnzinputps]=mapmi nmax(i nput_trai n); (outputn/outputps]=mapminmax(output_train); %构建网络 net 二 n ewff(i nput n