基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼

------------------------------------------------------------------------基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的Matlab編程實(shí)例（轉(zhuǎn)）由于BP網(wǎng)絡(luò)的權(quán)值優(yōu)化是一個(gè)無(wú)約束優(yōu)化問(wèn)題，而且權(quán)值要采用實(shí)數(shù)編碼，所以直接利用Matlab遺傳算法工具箱。以下貼出的代碼是為一個(gè)19輸入變量，1個(gè)輸出變量情況下的非線性回歸而設(shè)計(jì)的，如果要應(yīng)用于其它情況，只需改動(dòng)編解碼函數(shù)即可。程序一：GA訓(xùn)練BP權(quán)值的主函數(shù)

functionnet=GABPNET(XX,YY)%--------------------------------------------------------------------------%GABPNET.m%使用遺傳算法對(duì)BP網(wǎng)絡(luò)權(quán)值閾值進(jìn)行優(yōu)化，再用BP算法訓(xùn)練網(wǎng)絡(luò)%--------------------------------------------------------------------------%數(shù)據(jù)歸一化預(yù)處理nntwarnoffXX=[1:19;2:20;3:21;4:22]';YY=[1:4];XX=premnmx(XX);YY=premnmx(YY);YY%創(chuàng)建網(wǎng)絡(luò)net=newff(minmax(XX),[19,25,1],{'tansig','tansig','purelin'},'trainlm');%下面使用遺傳算法對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化P=XX;T=YY;R=size(P,1);S2=size(T,1);S1=25;%隱含層節(jié)點(diǎn)數(shù)S=R*S1+S1*S2+S1+S2;%遺傳算法編碼長(zhǎng)度aa=ones(S,1)*[-1,1];popu=50;%種群規(guī)模savedata2XXYY%是將xx,yy二個(gè)變數(shù)的數(shù)值存入data2這個(gè)MAT-file，initPpp=initializega(popu,aa,'gabpEval');%初始化種群gen=100;%遺傳代數(shù)%下面調(diào)用gaot工具箱，其中目標(biāo)函數(shù)定義為gabpEval[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-611],'maxGenTerm',gen,...'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2gen3]);%繪收斂曲線圖figure(1)plot(trace(:,1),1./trace(:,3),'r-');holdonplot(trace(:,1),1./trace(:,2),'b-');xlabel('Generation');ylabel('Sum-SquaredError');figure(2)plot(trace(:,1),trace(:,3),'r-');holdonplot(trace(:,1),trace(:,2),'b-');xlabel('Generation');ylabel('Fittness');%下面將初步得到的權(quán)值矩陣賦給尚未開(kāi)始訓(xùn)練的BP網(wǎng)絡(luò)[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;%設(shè)置訓(xùn)練參數(shù)net.trainParam.show=1;net.trainParam.lr=1;net.trainParam.epochs=50;net.trainParam.goal=0.001;%訓(xùn)練網(wǎng)絡(luò)net=train(net,XX,YY);

程序二：適應(yīng)值函數(shù)

function[sol,val]=gabpEval(sol,options)

%val-thefittnessofthisindividual

%sol-theindividual,returnedtoallowforLamarckianevolution

%options-[current_generation]

loaddata2

nntwarnoff

XX=premnmx(XX);

YY=premnmx(YY);

P=XX;

T=YY;

R=size(P,1);

S2=size(T,1);

S1=25;%隱含層節(jié)點(diǎn)數(shù)

S=R*S1+S1*S2+S1+S2;%遺傳算法編碼長(zhǎng)度

fori=1:S,

x(i)=sol(i);

end;

[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);

程序三：編解碼函數(shù)

function[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x)

loaddata2

nntwarnoff

XX=premnmx(XX);

YY=premnmx(YY);

P=XX;

T=YY;

R=size(P,1);

S2=size(T,1);

S1=25;%隱含層節(jié)點(diǎn)數(shù)

S=R*S1+S1*S2+S1+S2;%遺傳算法編碼長(zhǎng)度

%前R*S1個(gè)編碼為W1

fori=1:S1,

fork=1:R,

W1(i,k)=x(R*(i-1)+k);

end

end

%接著的S1*S2個(gè)編碼（即第R*S1個(gè)后的編碼）為W2

fori=1:S2,

fork=1:S1,

W2(i,k)=x(S1*(i-1)+k+R*S1);

end

end

%接著的S1個(gè)編碼（即第R*S1+S1*S2個(gè)后的編碼）為B1

fori=1:S1,

B1(i,1)=x((R*S1+S1*S2)+i);

end

%接著的S2個(gè)編碼（即第R*S1+S1*S2+S1個(gè)后的編碼）為B2

fori=1:S2,

B2(i,1)=x((R*S1+S1*S2+S1)+i);

end

%計(jì)算S1與S2層的輸出

A1=tansi