GA优化LSSVM

tic;
close all;
clear;
clc;
format compact;
%%
train=xlsread（‘C:\Users\XD\Desktop\date2.xlsx‘‘train‘‘A2:G1101‘）;
train_out=xlsread（‘C:\Users\XD\Desktop\date2.xlsx‘‘train‘‘I2:I1101‘）;
test=xlsread（‘C:\Users\XD\Desktop\date2.xlsx‘‘test‘‘A2:G181‘）;
test_out=xlsread（‘C:\Users\XD\Desktop\date2.xlsx‘‘test‘‘I2:I181‘）;
%%归一化
[train_data pstrain0] = mapminmax（train‘01）;        
[test_data] = mapminmax（‘apply‘test‘pstrain0）;       
[train_resultpstrain1] = mapminmax（train_out‘01）;   
[test_result] = mapminmax（‘apply‘test_out‘pstrain1）;  

train_data = train_data‘;         
train_result=train_result‘;
test_data = test_data‘;
test_result=test_result‘;
indices = crossvalind（‘Kfold‘length（X）3）;%交叉验证函数，这里的5表示5折，即将length（p_train）个样本分成5组。
MAXGEN = 200;
NIND = 25;
NVAR = 2;
PRECI = 20;
GGAP = 0.95;
trace = zeros（MAXGEN2）;
FieldID = ...
[rep（[PRECI][1NVAR]）;[00;120200];...
  [11;00;11;11]];
Chrom = crtbp（NINDNVAR*PRECI）;
gen = 1;
BestMSE = inf;
Bestgam = 0;
Bestsig2 = 0;
%%
cg = bs2rv（ChromFieldID）;
for nind = 1:NIND
    gam=cg（nind1）;
    sig2=cg（nind2）;

    ObjV（nind1）=CVerror1（XYgamsig2indices）;%计算适应值
%     ObjV（nind1）=CVmse（XYgamsig2）;
end
[BestMSEI] = min（ObjV）;
Bestgam = cg（I1）;
Bestsig2 = cg（I2）;

%%
while gen<=MAXGEN  
    str = sprintf（ ‘迭代数为 = %g‘gen）;
    disp（str）;
    FitnV = ranking（ObjV）;%计算适应度
   SelCh=select（‘sus‘ChromFitnVGGAP）;              %选择
   SelCh=recombin（‘xovsp‘SelCh0.7）;                  %重组
   SelCh=mut（SelCh）;  
    cg = bs2rv（SelChFieldID）;
    for nind = 1:size（SelCh1）
        gam=cg（nind1）;
        sig2=cg（nind2）;
        ObjVSel（nind1）=CVerror1（XYgamsig2indices）;%计算子代目标函数值
%         ObjVSingle（nind1）=CVmse（XYgamsig2）;
    end
    [ChromObjV] = reins（ChromSelCh11ObjVObjVSel）; %重插入
    [NewBestMSEI] = min（ObjV）;
    cg_temp = bs2rv（ChromFieldID）;
    temp_NewBestMSE = NewBestMSE;
    NewwrostMSE = max（ObjV）;
    avgfift=sum（ObjV）/length（ObjV）;
    if NewBestMSE < BestMSE
       BestMSE = NewBestMSE;
       Bestgam = cg