python 遗传算法优化bp神经网络_遗传算法优化BP神经网络
CODE:
%清空环境变量
clc
clear
%%样本输入
input_train=xlsread('50组输入样本_训练.xlsx');
output_train=xlsread('50组期望输出_训练.xlsx');
input_test=xlsread('10组输入样本_检验.xlsx');
output_test=xlsread('10组期望输出_检验.xlsx');
P=input_train;
T=output_train;
inputnum=size(P,1);
outputnum=size(T,1);
hiddennum=9;
%样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%构建网络
net=newff(inputn,outputn,hiddennum);
%% 遗传算法参数初始化
maxgen=30; %进化代数,即迭代次数
sizepop=20; %种群规模
pcross=0.3; %交叉概率选择,0和1之间
pmutation=0.05; %变异概率选择,0和1之间
%节点总数
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
lenchrom=ones(1,numsum);
bound=[-1*ones(numsum,1) 1*ones(numsum,1)]; %数据范围
%--------------------------种群初始化-------------------------%
individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体
avgfitness=[]; %每一代种群的平均适应度
bestfitness=[]; %每一代种群的最佳适应度
bestchrom=[]; %适应度最好的染色体
%初始化种群
for i=1:sizepop
%随机产生一个种群
individuals.chrom(i,=Code(lenchrom,bound); %编码
x=individuals.chrom(i,;
%计算染色体的适应度
individuals.fitness(i)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn); 【47行】
end
%找最好的染色体
[bestfitness,bestindex]=min(individuals.fitness);
bestchrom=individuals.chrom(bestindex,; %最好的染色体
avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度
%记录每一代进化中最好的适应度和平均适应度
trace=[avgfitness bestfitness];
%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
i
% 选择
individuals=Select(individuals,sizepop);
% 交叉
individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
% 变异
individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);
% 计算适应度
for j=1:sizepop
x=individuals.chrom(j,; %解码
individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);
end
%找到最小和最大适应度的染色体及它们在种群中的位置
[newbestfitness,newbestindex]=min(individuals.fitness);
[worestfitness,worestindex]=max(individuals.fitness);
%代替上一次进化中最好的染色体
if bestfitness>newbestfitness
bestfitness=newbestfitness;
bestchrom=individuals.chrom(newbestindex,;
end
individuals.chrom(worestindex,=bestchrom;
individuals.fitness(worestindex)=bestfitness;
%记录每一代进化中最好的适应度和平均适应度
avgfitness=sum(individuals.fitness)/sizepop;
trace=[trace;avgfitness bestfitness];
end
%% 遗传算法结果分析
%figure(3)
%[r c]=size(trace);
%plot([1:r]',trace(:,2),'b--');
%title(['适应度曲线 ' '终止代数=' num2str(maxgen)]);
%xlabel('进化代数');ylabel('适应度');
%legend('平均适应度','最佳适应度');
disp('适应度 变量');
x=bestchrom;
%% 把最优初始阀值权值赋予网络预测
% %用遗传算法优化的BP网络进行值预测
w1=x(1:inputnum*hiddennum);
B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=reshape(B2,outputnum,1);
%% BP网络训练
%网络进化参数
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=0.00001;
net.trainParam.showWindow=0;
%网络训练
[net,per2]=train(net,inputn,outputn);
%% BP网络预测
%数据归一化
inputn_test=mapminmax('apply',input_test,inputps);
an=sim(net,inputn_test);
error=test_simu-output_test;
%figure(4);
hold on;plot(1:30,error,'r');
legend('优化前的误差','优化后的误差','fontsize',12)
python 遗传算法优化bp神经网络_遗传算法优化BP神经网络相关推荐
- 04.卷积神经网络_第一周卷积神经网络
04.卷积神经网络_第一周卷积神经网络 1.1 计算机视觉 上面这张图是64x64像素的图像,它的数据量是12288,下图是1000x1000像素的图像,它的数据量是3百万.如果用全连接网络去处理这张 ...
- python遗传算法有多慢_遗传算法框架GAFT优化小记
前言 前段时间一直在用自己写的遗传算法框架测试算法在优化力场参数的效果,但是跑起来效率很慢,因为适应度函数需要调用多次力场程序计算能量,但是还是比我预想中的慢我也没有及时对程序进行profiling和 ...
- mysql优化慕课网_性能优化之MySQL优化(慕课)
MySQL数据库优化 1-1MySQL优化简介 数据库优化的目的 避免出现页面访问错误 由于数据库连接timeout产生5XX错误 由于慢查询造成页面无法加载 由于阻塞造成数据无法提交 增加数据库的稳 ...
- ann人工神经网络_深度学习-人工神经网络(ANN)
ann人工神经网络 Building your first neural network in less than 30 lines of code. 用不到30行代码构建您的第一个神经网络. 1.W ...
- 医学图像处理医学图像处理-卷积神经网络卷积神经网络_基于深度卷积神经网络的刀具磨损量自动提取方法...
⬆点击上方蓝色字体,关注<工具技术>官方微信~ 数控加工实质上是刀具和毛坯的相互运动,包含众多的不可控因素,在工件成型的过程中,刀具不可避免发生磨损.为了提高加工效率,实际加工中一般采用高 ...
- android bp文件_理解Android.bp
介绍Android最新的编译系统 一.简介 早期的Android系统都是采用Android.mk的配置来编译源码,从Android 7.0开始引入Android.bp.很明显Android.bp的出现 ...
- 人工神经网络和卷积神经网络_神经生理学和人工神经网络
人工神经网络和卷积神经网络 I'm not a doctor in medicine, but I'm really fascinated by biology and especially how ...
- python遗传算法工具箱的使用_遗传算法的python实现,非常值得看的一篇文章
遗传算法是一种智能优化算法,通常用于求解复杂的数学问题.相比于传统方法,遗传算法摒弃了盲目的穷举或完全随机的求解策略,借鉴了自然界优胜劣汰.自然进化的思想,快速逼近最优解.上文对遗传算法的基本内容进行 ...
- python程序占用内存高_如何优化Python占用的内存,面试必学
如果程序处理的数据比较多.比较复杂,那么在程序运行的时候,会占用大量的内存,当内存占用到达一定的数值,程序就有可能被操作系统终止,特别是在限制程序所使用的内存大小的场景,更容易发生问题.下面我就给出几 ...
最新文章
- opencv3.4.1 vs2017 鼠标停在 Mat 上 vs卡死
- 京东王笑松:7FRESH是“无界零售”理论的业务践行
- 分布式系统中的一致性协议之两阶段提交协议(2PC)
- 采集文件到kafka
- 802.11协议中的action帧的使用
- SpringSpringMVCMybatis框架-张晨光-专题视频课程
- 《C++ Primer第五版》习题答案
- 【ZOJ - 3963】Heap Partition (STLset,二叉树的性质,构造,贪心,思维)
- Facebook的智能音箱跳,票,了
- MySQL 8.0查找my.ini文件位于C:\ProgramData\MySQL\MySQL Server 8.0
- j2ee 现在已经改名为java ee_Java EE 已经正式更名为 Jakarta EE(雅加达)
- 学习QT之调色板(QPalette)
- 提高Tesseract识别率
- UE4-植被系统使用
- 条形码、二维码、RFID优缺点,卫星定位,传感器分类及应用场景
- 大数据实验一 关联规则实验题目:蔬菜价格相关性分析
- 使用 JS 访问服务器地址实现下载文件
- 概率论与数理统计学习笔记——第二讲——概率(2.3概率的基本性质)
- 用计算机弹大白菜鸡毛菜,抖音大白菜、鸡毛菜是什么歌
- Unity开发回合制手游《魔神英雄传-神龙斗士》