资源简介
粒子群算法,也称粒子群优化算法(Particle Swarm Optimization),缩写为 PSO, 是近年来发展起来的一种新的进化算法。PSO 算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质,但它比遗传算法规则更为简单。压缩文件内附有英文说明书
代码片段和文件信息
% DemoTrainPSO.m
% little file to test out the pso optimizer for nnet training
% trains to the XOR function
%
% note: this does *not* minimize the test set function
% rather it tries to train a neural net to approximate the
% test set function
%
% Brian Birge
% Rev 1.0
% 1/1/3
clear all
close all
clc
help demotrainpso
% Training parameters are:
% TP(1) - Epochs between updating display default = 100.
% TP(2) - Maximum number of iterations (epochs) to train default = 2000.
% TP(3) - Sum-squared error goal default = 0.02.
% TP(4) - population size default = 20
% TP(5) - maximum particle velocity default = 4
% TP(6) - acceleration constant 1 default = 2
% TP(7) - acceleration constant 2 default = 2
% TP(8) - Initial inertia weight default = 0.9
% TP(9) - Final inertia weight default = 0.2
% TP(10)- Iteration (epoch) by which inertial weight should be at final value default = 1500
% TP(11)- maximum initial network weight absolute value default = 100
% TP(12)- randomization flag (flagg) default = 2:
% flagg = 0 same random numbers used for each particle (different at each epoch - least random)
% flagg = 1 separate randomized numbers for each particle at each epoch
% flagg = 2 separate random #‘s at each component of each particle at each epoch (most random)
% TP(13)- minimum global error gradient (if SSE(i+1)-SSE(i) < gradient over
% certain length of epochs terminate run default = 1e-9
% TP(14)- epochs before error gradient criterion terminates run default = 200
% i.e. if the SSE does not change over 200 epochs quit program
nntwarn off
epdt=25;
maxep=1000;
reqerr=0.02;
maxneur=30;
popsz=20;
maxvel=4;
acnst1=2;
acnst2=2;
inwt1=.9;
inwt2=0.2;
endepoch=1500;
maxwt=0.05;
cnt=0; % counter for neuron architecture
% Training parameters change these to experiment with PSO performance
% type help trainpso to find out what they do
TP=[epdtmaxepreqerrpopszmaxvelacnst1acnst2inwt1inwt2endepochmaxwt21e-9200];
disp(‘---------------------------------------------------------------------------------------------------‘);
disp(‘ ‘);
disp(‘1. 1 hidden layer‘);
disp(‘2. 2 hidden layers‘);
disp(‘3. no hidden layers‘);
arch=input(‘ Pick a neural net architecture >‘);
disp(‘ ‘);
disp(‘1. Particle Swarm Optimization‘);
disp(‘2. Standard Backprop‘);
meth=input(‘ Pick training method >‘);
disp(‘ ‘);
disp(‘---------------------------------------------------------------------------------------------------‘);
disp(‘ ‘);
% XOR function test set
P=[00;01;10;11]‘;
T=[1;0;0;1]‘;
minmax=[01;01];
l1=0;
l2=1;
tr(1)=99; % arbitrary choice of initial error just used to update # of neurons
if arch==3
[w1b1]=initff(minmax1‘tansig‘);
if meth==1
[w1b1tetr]=trainpso(w1b1‘tansig‘PTTP);
elseif m
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 741121 2003-05-22 13:25 PSO工具箱\PSOt\A Particle Swarm Optimization (PSO) Primer.pdf
文件 3952 2009-01-01 17:37 PSO工具箱\PSOt\DemoTrainPSO.asv
文件 3951 2003-01-10 12:23 PSO工具箱\PSOt\DemoTrainPSO.m
文件 286 2001-07-27 09:49 PSO工具箱\PSOt\f6.m
文件 203 2009-10-22 11:50 PSO工具箱\PSOt\f6.txt
文件 941 2003-01-08 22:36 PSO工具箱\PSOt\goplotpso.m
文件 148 2003-01-09 22:16 PSO工具箱\PSOt\hypara.m
文件 227 2003-01-09 22:22 PSO工具箱\PSOt\hypara2.m
文件 4455 2001-08-08 10:15 PSO工具箱\PSOt\normalize.m
文件 41810 2003-03-11 14:20 PSO工具箱\PSOt\Particle Swarm Optimization Matlab Toolbox 1_conformat_.pdf
文件 10600 2003-01-10 12:42 PSO工具箱\PSOt\pso.m
文件 2399 2009-01-01 17:56 PSO工具箱\PSOt\PSOBP.txt
文件 450 2003-01-10 14:59 PSO工具箱\PSOt\ReadME.txt
文件 9118 2003-01-10 11:59 PSO工具箱\PSOt\tpso1.m
文件 8856 2003-01-10 11:57 PSO工具箱\PSOt\tpso2.m
文件 8923 2003-01-10 11:56 PSO工具箱\PSOt\tpso3.m
文件 2940 2003-01-10 13:39 PSO工具箱\PSOt\trainpso.m
文件 988 2001-07-20 10:12 PSO工具箱\PSOt\unwrapmat.m
文件 874 2001-07-25 09:47 PSO工具箱\PSOt\wrapmat.m
目录 0 2008-11-17 17:17 PSO工具箱\PSOt
目录 0 2008-11-17 17:17 PSO工具箱
----------- --------- ---------- ----- ----
842242 21
- 上一篇:基于matlab线性回归模型负荷预测
- 下一篇:图像分割分水岭算法
相关资源
- 基于粒子群算法的非合作博弈的matl
- 粒子群算法优化pid源码 matlab仿真.ra
- 粒子群算法优化RBF网络matlab源码
- pso解决单目标优化问题
- 最优化算法规划-单纯形法MATLAB程序
- 基本粒子群算法,MATLAB文件的M文件编
- 有约束的基于适应度和连续世代策略
- 粒子群算法求解函数优化问题.zip
- 最优化方法及其Matlab程序设计 - 马昌
- matlab求解最优化线性规划问题代码以
- 精通MATLAB最优化计算全书配套算法M文
- 最优化方法及其matlab程序实现.zip
- 最优化方法及MATLAB的实现最优化技术
- 最优化方法及其Matlab程序设计(可复
- matlab粒子群算法PSO实现函数极值优化
- 最优化方法及其MATLAB程序设计
- 精通MATLAB最优化计算光盘内容
- 最优化方法及其matlab设计课件以及源
- gpops工具箱详细注释官方手册安装方法
- matlab最优化问题
- PSO负载均衡算法-matlab实现
- l粒子群算法工具箱psot
- MATLAB.遗传算法和粒子群算法程序设计
- 精通Matlab最优化计算源代码114682
- 最优化方法及MATLAB的实现
- 精通matlab最优化计算光盘(第二版)
- PSO_LSSVM程序代码及LSSVM工具箱
- 最优化方法及其Matlab程序设计 马昌凤
- 《最优化计算方法及其MATLAB程序实现
- 最优化 中国科学院大学 算法中的最优
评论
共有 条评论