PSO-RBF的MATLAB程序实现

for i=1:popcount pop(i,:)=rand(1,9);%初始化粒子位置 V(i,:)=rand(1,9);%初始化粒子速度 %计算粒子适应度值 Center=pop(i,1:3); SP=pop(i,4:6); W=pop(i,7:9); Distance=dist(Center',SamIn); SPMat=repmat(SP',1,SamNum);%repmat具体作用 UnitOut=radbas(Distance./SPMat); NetOut=W*UnitOut;%网络输出 Error=SamOut-NetOut;%网络误差 %SSE=sumsqr(Error); %fitness(i)=SSE; RMSE=sqrt(sumsqr(Error)/SamNum); fitness(i)=RMSE; %fitness(i)=fun(pop(i,:)); end

clc;
clear;
tic;
SamNum=100;                         %训练样本数
TargetSamNum=100;                   %测试样本数
InDim=1;                            %样本输入维数
UnitNum=2;                          %隐节点数
MaxEpoch=1200;                      %最大训练次数
%E0=0.2;                             %目标误差
gbesthistory=[];
% 根据目标函数获得样本输入输出（训练样本）
rand（‘state‘sum（100*clock））;
%NoiseVar=0.0005;
%Noise=NoiseVar*randn（1SamNum）;
load data1
SamIn=c1‘;
%SamIn=8*rand（1SamNum）-4;
SamOutNoNoise=1.1*（1-SamIn+2*SamIn.^2）.*exp（-SamIn.^2/2）;
%SamOut=SamOutNoNoise+Noise;
SamOut=SamOutNoNoise;
%测试样本
load data2
TargetIn=c2‘;
%TargetIn=-4:0.08:4;
TargetOut=1.1*（1-TargetIn+2*TargetIn.^2）.*exp（-TargetIn.^2/2）;

figure
hold on
grid
%plot（SamInSamOut‘k*‘）
plot（TargetInTargetOut‘k*‘）
xlabel（‘Input x‘）;
ylabel（‘Output y‘）;
%%以上程序没问题
%粒子群算法中的两个参数
c1 = 1.49445;
c2 = 1.49445;
popcount=10;   %粒子数
poplength=6;  %粒子维数
Wstart=0.9;%初始惯性权值
Wend=0.2;%迭代次数最大时惯性权值
%个体和速度最大最小值
Vmax=1;
Vmin=-1;
popmax=4;
popmin=-4;
%粒子位置速度和最优值初始化

for i=1:popcount
    pop（i:）=rand（19）;%初始化粒子位置
    V（i:）=rand（19）;%初始化粒子速度
    %计算粒子适应度值
    Center=pop（i1:3）;
    SP=pop（i4:6）; 
    W=pop（i7:9）;
    Distance=dist（Center‘SamIn）;
    SPMat=repmat（SP‘1SamNum）;%repmat具体作用
    UnitOut=radbas（Distance./SPMat）;
    NetOut=W*UnitOut;%网络输出
    Error=SamOut-NetOut;%网络误差
    %SSE=sumsqr（Error）;
    %fitness（i）=SSE;
    RMSE=sqrt（sumsqr（Error）/SamNum）;
    fitness（i）=RMSE;
    %fitness（i）=fun（pop（i:））;
end
%适应度函数（适应度值为RBF网络均方差）


[bestfitness bestindex]=min（fitness）;
gbest=pop（bestindex:）;%全局最优值
pbest=pop;%个体最优值
pbestfitness=fitness;%个体最优适应度值
gbestfitness=bestfitness;%全局最优适应度值
%迭代寻优
for i=1:MaxEpoch
   Vmax=1.00014^（-i）;
   Vmin=-1.00014^（-i）;
    for j=1:popcount
       % if （fitness（j）           % S（j）=0;
        %end
        %S（j）=1-（fitness（j）/100）^2;
       % GW（j）=Wstart-S（j）*（Wstart-Wend）;
       % GW（j）=Wend+（GW（j）-Wend）*（MaxEpoch-i）/MaxEpoch;
        GW=Wstart-（Wstart-Wend）*i/MaxEpoch;
        %速度更新（第一种方法精度最高）
        V（j:） = 1.000009^（-i）*（gbestfitness/fitness（j）+2）*rand*V（j:） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        %V（j:） = GW*（（fitness（j）/2000）^2+1）*rand*V（j:） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        %V（j:） = GW*V（j:） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        %V（j:） = 0.9*V（j   :） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        %V（j:） = 0.9*1.0003^（-j）* V（j:） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        %V（j:） = （gbestfitness/（exp（-fitness（j））+1）+0.5）*rand*V（j:） + c1*rand*（pbest（j:） - pop（j:）） + c2*rand*（gbest - pop（j:））;
        V（jfind（V（j:）>Vmax））=Vmax;
        V（jfind（V（j:）        
        %粒子更新
        pop（j:）=pop（j:）+0.5*V（j:）;
        pop（jfind（pop（j:）>popmax））=popmax;
        pop（jfind（pop（j:）


 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        538  2014-07-14 22:19  PSO-RBF\data1.mat

     文件        527  2014-07-14 22:20  PSO-RBF\data2.mat

     文件       5271  2014-07-15 08:43  PSO-RBF\PSORBF.m

     目录          0  2015-04-16 12:35  PSO-RBF

----------- ---------  ---------- -----  ----

                 6336                    4