粒子群优化的极限学习机matlab源代码

PSO-ELM粒子群优化的极限学习机，通过调节参数拟合效果很好，便于大家使用，为学者和科研人员提供基础和思路

clc
clear all

%% 加载数据
load matlab3.mat
AllSamIn = data_train‘;
AllSamOut =lab_train‘;
AllTestIn=data_test‘;
AllTestOut=lab_test‘;

%% 训练样本归一化
global minAllSamOut;  
global maxAllSamOut; 
[AllSamInnminAllSamInmaxAllSamInAllSamOutnminAllSamOutmaxAllSamOut] = premnmx（AllSamInAllSamOut）;
TrainSamIn=AllSamInn; 
TrainSamOut=AllSamOutn;
global Ptrain;
Ptrain = TrainSamIn;   
global Ttrain;
Ttrain = TrainSamOut;  

%% 测试样本归一化
global minAllTestOut;  
global maxAllTestOut; 
[AllTestInnminAllTestInmaxAllTestInAllTestOutnminAllTestOutmaxAllTestOut] = premnmx（AllTestInAllTestOut）;
TestIn=AllTestInn; 
TestOut=AllTestOutn;
global Ptest;
Ptest = TestIn; 
global Ttest;
Ttest = TestOut; 

%% 加载网络的初始变量
global indim; 
indim=6;
global hiddennum;
hiddennum=8;
global outdim;
outdim=1;


%% 加载PSO模型的相关参数
vmax=1; 
minerr=0.001; 
wmax=0.80; 
wmin=0.40; 
global itmax; 
itmax=100;
c1=2.8; 
c2=1.3; 
for iter=1:itmax
    W（iter）=wmax-（（wmax-wmin）/itmax）*iter; 
end
a=-1;
b=1;
m=-1;
n=1;
global N; 
N=100;
global D; 
D=（indim+1）*hiddennum+（hiddennum+1）*outdim; 
rand（‘state‘sum（100*clock））;
X=a+（b-a）*rand（ND1）;
V=m+（n-m）*rand（ND1）;
global fvrec;
MinFit=[];
BestFit=[];

%% PSO优化ELM模型 过程 1
fitness=fitcal（XindimhiddennumoutdimDPtrainTtrainminAllSamOutmaxAllSamOut）; 
fvrec（:11）=fitness（:11）;
[CI]=min（fitness（:11））; 
MinFit=[MinFit C];  
BestFit=[BestFit C]; 
L（:11）=fitness（:11）; 
B（111）=C; 
gbest（1:1）=X（I:1）; 

for p=1:N
    G（p:1）=gbest（1:1）; 
end

for i=1:N;
    pbest（i:1）=X（i:1）; 
end
V（::2）=W（1）*V（::1）+c1*rand*（pbest（::1）-X（::1））+c2*rand*（G（::1）-X（::1））;

for ni=1:N
    for di=1:D
        if V（nidi2） > vmax
            V（nidi2） = vmax;
        elseif V（nidi2） < -vmax
            V（nidi2） = -vmax;
        else
            V（nidi2） = V（nidi2）;
        end
    end
end

X（::2）=X（::1）+V（::2）;

for ni=1:N
    for di=1:D
        if X（nidi2） > 1
            X（nidi2） = 1;
        elseif V（nidi2） < -1
            X（nidi2） = -1;
        else
            X（nidi2） = X（nidi2）;
        end
    end
end


%%  PSO优化ELM模型 过程 2
for j=2:itmax
    disp（‘Iteration and Current Best Fitness‘）
    disp（j-1）
    disp（B（11j-1））
    fitness=fitcal（XindimhiddennumoutdimDPtrainTtrainminAllSamOutmaxAllSamOut）; 
    fvrec（:1j）=fitness（:1j）; 
    [CI]=min（fitness（:1j））;
    MinFit=[MinFit C]; 
    BestFit=[BestFit min（MinFit）]; 
    L（:1j）=fitness（:1j）; 
    B（11j）=C; 
    gbest（1:j）=X（I:j）;
    [CI]=min（B（11:））;
    
    if B（11j）<=C
        gbest（1:j）=gbest（1:j）;
    else
        gbest（1:j）=gbest（1:I）;
    end
    if C<=minerr break end

    if j>=itmax break end
    for p=1:N
        G（p:j）=gbest（1:j）;
    end
    for i=1:N;
        [CI]=min（L（i1:））;
        if L（i1j）<=C
            pbest（i:j）=X（i:j）;
        else
     

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        7694  2017-09-14 14:05  PSO_ELM\Adaboost_PSO_ELM.m
     文件         179  2016-05-15 10:52  PSO_ELM\ELMfun.m
     文件         223  2016-05-15 10:52  PSO_ELM\ELMfun2.m
     文件         232  2016-05-15 10:52  PSO_ELM\ELMfun3.m
     文件        1376  2016-05-15 10:51  PSO_ELM\elmpredict.m
     文件        1830  2016-05-15 10:51  PSO_ELM\elmtrain.m
     文件        1766  2016-05-15 10:50  PSO_ELM\elmtrain2.m
     文件         600  2016-05-15 10:50  PSO_ELM\fitcal.m
     文件       26680  2017-09-15 20:34  PSO_ELM\gaopin.xlsx
     文件        6328  2017-09-15 21:01  PSO_ELM\PSO_ELM.asv
     文件        6328  2017-09-15 21:05  PSO_ELM\PSO_ELM.m