只需一步，快速开始
扫一扫，访问微社区
查看: 4284|回复: 3|关注: 0
用遗传算法 优化BP神经网络的权值 急求各方高手的指点 ！~~
<h1 style="color:# 麦片财富积分
新手, 积分 5, 距离下一级还需 45 积分
直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个4输入变量，3个隐含层，1个输出变量情况下的非线性回归而设计的。
运行总是出错：??? Error using ==& eval
Undefined function or method 'gabpEval' for input arguments of type 'double'.
Error in ==& initializega at 80
&&eval(estr)
不知道是什么原因，很着急啊，烦死了烦死了，谁能帮我看看，各位大虾：
下面是我的源代码，自己编的哦。
function ycsf
data=xlsread('E:/data1','Sheet1','A2:E499'); %这里读的数据是我的excel里面的数据
p=data(1:498,1:4);p=p';
%训练目标向量t
t=data(1:498,5);t=t';
XX=p;YY=t;
GABPNET(XX,YY);
%绘收敛曲线图
plot(trace(:,1),1./trace(:,3),'r-');
plot(trace(:,1),1./trace(:,2),'b-');
xlabel('Generation');
ylabel('Sum-Squared Error');
plot(trace(:,1),trace(:,3),'r-');
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;
%设置训练参数
net.trainParam.show=1;
net.trainParam.lr=1;
net.trainParam.epochs=50;
net.trainParam.goal=0.001;
net=train(net,XX,YY);
%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);
net=newff(minmax(XX),[5,4,1],{'tansig','tansig','purelin'},'trainlm');
%下面使用遗传算法对网络进行优化
R=size(P,1);
S2=size(T,1);
S1=4;%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]);
% 程序二：适应值函数
function [sol,val]= gabpEval(sol)
% val - the fittness of this individual
% sol - the individual, returned to allow for Lamarckian evolution
S1=3;%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);
[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, val]=gadecod(x)
nntwarn off
S1=3;%隐含层节点数
S=R*S1+S1*S2+S1+S2;%遗传算法编码长度
% 前R*S1个编码为W1
for i=1:S1,
& & for k=1:R
& && &W1(i,k)=x(R*(i-1)+k);
% 接着的S1*S2个编码（即第R*S1个后的编码）为W2
for i=1:S2
& &for k=1:S1
& && &W2(i,k)=x(S1*(i-1)+k+R*S1);
% 接着的S1个编码（即第R*S1+S1*S2个后的编码）为B1
for i=1:S1
& &B1(i,1)=x((R*S1+S1*S2)+i);
% 接着的S2个编码（即第R*S1+S1*S2+S1个后的编码）为B2
for i=1:S2
& &B2(i,1)=x((R*S1+S1*S2+S1)+i);
% 计算S1与S2层的输出
A1=tansig(W1*P,B1);
A2=purelin(W2*A1,B2);
% 计算误差平方和
SE=sumsqr(T-A2);
val=1/SE; % 遗传算法的适应值
<h1 style="color:# 麦片财富积分
:'( 找高人指点
<h1 style="color:#8 麦片财富积分
有事短信息留言。
<h1 style="color:# 麦片财富积分
情高手指点 谢谢
站长推荐 /3
车辆动力学工具箱介绍：一款集成3D虚拟环境的汽车仿真产品
MATLAB中文论坛是全球最大的 MATLAB & Simulink 中文社区。用户免费注册会员后，即可下载代码，讨论问题，请教资深用户及结识书籍作者。立即注册加入我们吧！
MATLAB官方社交平台
MATLAB中文论坛微社区BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系_百度知道
BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系
BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系是什么？完全不懂，解答越简明扼要越好
我有更好的答案
遗传算法为进化算法这个大类。神经网络模拟人类大脑神经计算过程，可以实现高度非线性的预测和计算，主要用于非线性拟合，识别。神经网络广泛的运用在模式识别，故障诊断中。BP算法和BP神经网络是神经网络的改进版，给一些输入，特点是需要“训练”，广泛应用在各行各业中。差分进化，告诉他正确的输出。若干次后，蚁群算法，粒子群算法等都属于进化算法，只是模拟的生物群体对象不一样而已，再给新的输入，神经网络就能正确的预测对于的输出。遗传算法能够很好的解决常规优化算法无法解决的高度非线性优化问题，修正了一些神经网络的缺点。遗传算法属于进化算法，模拟大自然生物进化的过程：优胜略汰。个体不断进化，只有高质量的个体（目标函数最小（大））才能进入下一代的繁殖。如此往复，最终找到全局最优值这四个都属于人工智能算法的范畴。其中BP算法、BP神经网络和神经网络属于神经网络这个大类
太棒了，还想问下，遗传算法与神经网络结合运用，可以直接简称做遗传神经网络吗？注：这里的神经网络是否只能用BP神经网络
遗传算法和其他算法的结合，多数是用遗传算法来优化其他算法的参数的。比如神经网络里面有很多参数，但是你并不知道哪些参数训练出来的效率最高，识别率最高。这时候就可以以这个识别率为目标函数，用遗传算法来优化神经网络的参数。对于你的问题，应该叫做基于遗传算法的神经网络参数优化。什么神经网络都可以。
采纳率：41%
好吧，我也不懂
为您推荐：
其他类似问题
bp神经网络的相关知识
&#xe675;换一换
回答问题，赢新手礼包&#xe6b9;
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。您现在的位置是： &
遗传算法和神经网络组合求解离散变量结构优化问题
□ 孙显彬 赵雷 唐洪伟
摘　要:利用遗传算法优良的全局搜索性能和对目标函数的仅要求有定义的特点进行离散变量结构优化设计。利用BP神经网络的模拟逼近功能，建立结构设计输入与输出之间的全局映射关系，获得遗传算法中的适应度函数值。将此方法应用于垂直循环式停车设备钢结构骨架优化问题。结果表明，该方法只需较少的有限元分析次数就可以获得良好的优化解。
特别说明：本文献摘要信息，由维普资讯网提供，本站只提供索引，不对该文献的全文内容负责，不提供免费的全文下载服务。
金月芽期刊网 2018遗传算法简单实例
遗传算法简单实例
(C)2017 列表网&琼ICP备号-12&增值电信业务经营许可证B2-&}