• 大小: 10KB
    文件类型: .m
    金币: 2
    下载: 1 次
    发布日期: 2021-08-10
  • 语言: Matlab
  • 标签:

资源简介

神经网络BP预测算法,经过优化后的模型代码见附件,matlab格式代码。

资源截图

代码片段和文件信息

%2、遗传算法优化的BP神经网络建模
%(1)主程序
%清空环境变量
% clc
% clear

%读取数据
% load (‘workspace.mat‘); 
% id = find(grid_power <= 50) ;%删除功率小于50的数据
% wind_speed_1(id:)=[];
% grid_power(id:)=[] ;
%%%%%%%%%%%%%输入参数%%%%%%%%%%%%%%
N=7;            %数据总个数
M=4;            %训练数据
%%%%%%%%%%%%%训练数据%%%%%%%%%%%%%%
input=a;
output=b;
% save data input output
% load data.mat
 
%节点个数
inputnum=2;
hiddennum=5;
outputnum=1;
 
%训练数据和预测数据
input_train=input(1:M:)‘;
output_train=output((1:M):)‘;
input_test=input(((M+1):N):)‘;
output_test=output(((M+1):N):)‘;
 
%选连样本输入输出数据归一化
[inputninputps]=mapminmax(input_train);
[outputnoutputps]=mapminmax(output_train);
 
%构建网络
net=newff(inputnoutputnhiddennum);
 
%% 遗传算法参数初始化
maxgen=10;                         %进化代数,即迭代次数
sizepop=30;                        %种群规模
pcross=[0.3];                       %交叉概率选择,0和1之间
pmutation=[0.1];                    %变异概率选择,0和1之间
 
%节点总数
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
 
lenchrom=ones(1numsum);       
bound=[-3*ones(numsum1) 3*ones(numsum1)];    %数据范围
 
%------------------------------------------------------种群初始化------------------------------%------------------
 
individuals=struct(‘fitness‘zeros(1sizepop) ‘chrom‘[]);  %将种群信息定义为一个结构体
%avgfitness=[];                      %每一代种群的平均适应度
bestfitness=[];                     %每一代种群的最佳适应度
bestchrom=[];                       %适应度最好的染色体
%初始化种群
for i=1:sizepop
    %随机产生一个种群
    individuals.chrom(i:)=Code(lenchrombound);    %编码
    x=individuals.chrom(i:);
    %计算适应度
    individuals.fitness(i)=fun(xinputnumhiddennumoutputnumnetinputnoutputn);   %染色体的适应度
end
 
%找最好的染色体
[bestfitness bestindex]=min(individuals.fitness);
bestchrom=individuals.chrom(bestindex:);  %最好的染色体
%avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
%trace=[avgfitness bestfitness];
 
%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
   
    % 选择
    individuals=Select(individualssizepop);
   % avgfitness=sum(individuals.fitness)/sizepop;
    %交叉
    individuals.chrom=Cross(pcrosslenchromindividuals.chromsizepopbound);
    % 变异
    individuals.chrom=Mutation(pmutationlenchromindividuals.chromsizepopimaxgenbound);
   
    % 计算适应度
    for j=1:sizepop
        x=individuals.chrom(j:); %解码
        individuals.fitness(j)=fun(xinputnumhiddennumoutputnumnetinputnoutputn);  
    end
   
  %找到最小和最大适应度的染色体及它们在种群中的位置
    [newbestfitnessnewbestindex]=min(individuals.fitness);
    [worestfitnessworestindex]=max(individuals.fitness);
    % 代替上一次进化中最好的染色体
    if bestfitness>newbestfitness
        bestfitness=newbestfitness;
        bestchrom=individuals.chrom(newbestindex:);
    end
    individuals.chrom(worestindex:)=bestchrom;
    individuals.fitness(worestindex)=bestfitness;
   
    %avgfitness=sum(individuals.fitness)/sizepop;
   
   % trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度
 
end
%% 遗传算法结果分析
 %figure(3)

评论

共有 条评论

相关资源