资源简介
利用粒子群优化BPNN对车位进行预测,预测精度明显提高
代码片段和文件信息
%gbest PSO的matlab实现代码如下:
tic %该函数表示计时开始
%要进行预测的实测数据
%初始格式化
clear all;
clc;
%给定初始化条件
c1 = 1.4962; %加速常数即学习因子1
c2 = 1.4962; %加速常数即学习因子2
w = 0.7298; %惯性权重
MaxDT = 1000; %最大迭代次数
N = 96; %初始化群体个体数目
eps = 10^(-7); %设置精度(在已知最小值时候用)
%初始化种群的个体(可以在这里限定位置和速度的范围)
for i = 1:N
x(i) = 8 * randn; %产生一个服从正态分布的随机数作为初始化位置
v(i) = 8 * randn; %产生一个服从正态分布的随机数作为初始化速度
end
%先计算各个粒子的适应度,并初始化个体最优位置y和全局最优位置Pg
for i=1:N
p = sphere1(x); %计算适应度,测试函数为sphere
y(i) = x(i); %初始化个体最优位置y为在时间步t=0时的粒子位置
end
Pg = x(1); %Pg为全局最优位置
for i=2:N
if sphere1(x(i)) < sphere1(Pg)
Pg = x(i);%更新全局最优位置
end
end
%进入主要循环,按照公式依次迭代,直到满足精度要求
for t=1:MaxDT
for i=1:N
v(i) = w*v(i) + c1*(rand)*(y(i)-x(i)) + c2*(rand)*(Pg-x(i));
x(i) = x(i) + v(i);
if sphere1(x(i)) < p
p = sphere1(x(i));%更新适应度
y(i) = x(i);%更新个体最佳位置
end
if p < sphere1(Pg)
Pg = y(i);%更新群体最佳位置
end
end
Pbest = sphere1(Pg);%保存每一代的群体最佳位置
end
for i = 1:96
y(i) = y(i) + 20;
if y(i) < 0
y(i) = 1;
elseif y(i) > 50
y(i) = 45;
end
end
C = [40 24 16 22 10 11 2
- 上一篇:matlab ML 仿真程序
- 下一篇:遗传算法优化小波函数车位预测
相关资源
- 带有约束条件的粒子群算法代码pso.
- matlab可用粒子群工具箱 - PSOt
- 运用粒子群算法求解风电调度问题
- 基于MATLAB的PSO算法.pdf
- 使用PSO算法进行PID控制器的整定matl
- 完全自主研发的粒子群算法来求解约
- 多目标粒子群算法优化
- 蚁群、粒子群、GA、TS等算法解决Job
- PSO粒子群算法实现
- 粒子群pso算法
- 粒子群优化算法演示及matlab源程序
- 粒子群优化算法,matlab实现程序,有
- 碳排放交易粒子群优化算法
- 粒子群算法优化BP神经网络权值的程序
- 用粒子群算法优化支持向量机的matl
- 多目标优化粒子群算法MATLAB
- 粒子群算法详解+matlab代码说明
- 粒子群机器人路径规划
- 基于粒子群算法的图像聚类算法
- 基于粒子群优化算法的模糊c聚类源码
- 粒子群优化算法Matlab源程序
- 基本粒子群算法MATLAB源代码
- 基于PSO算法的PID控制器设计与实现论
- PSO粒子群算法万能matlab代码注释详细
- 粒子群算法优化问题matlab程序
- MATLAB粒子群算法仿真
- 粒子群优化算法的完整函数测试
- 局部粒子群算法
- PSO优化BP神经网络模型.zip
- 粒子群SVM.rar
评论
共有 条评论