GA-BP算法

BP算法是基于梯度下降方法，可能会导致网络陷入局部极值点。遗传算法是一种概率性的自适应迭代寻优过程，遵循“优胜劣汰”的原则，具有良好的全局搜索性能，较好的克服了BP算法局部最优的缺陷，同时可优化BP神经网络初始权重和阈值，进一步提高BP神经网络的计算精度。

%% draw surf1
clcclearclose all
%下载输入输出数据
load data.mat; %原始数据以列向量的方式存放在workplace文件中
n=size（data）;
datax1=data（:1）;%作为 Ultrasonic power（W） 输入
datax2=data（:2）;%作为 Ultrasonic temperature（oC） 输入
datax3=data（:3）;%作为 Ultrasonic time（min） 输入
datay=data（:4）;%作为 anti-glycated activity（%） 目标向量

datax11=150:2:400;%作为 Ultrasonic power（W） 输入
datax22=20:2:80;%作为 Ultrasonic temperature（oC） 输入
[datax111datax222]=meshgrid（datax11datax22）;
datay1=griddata（datax1datax2dataydatax111datax222‘v4‘）;% ‘v4‘MATLAB 4 格点样条函数内插
surf（datax11datax22datay1）;
xlabel（‘Ultrasonic power（W）‘）;
ylabel（‘Ultrasonic temperature（oC）‘）;
zlabel（‘anti-glycated activity（%）‘）;
grid on
axis tight
%% draw surf2
%%clcclearclose all
%下载输入输出数据
load data.mat; %原始数据以列向量的方式存放在workplace文件中
n=size（data）;
datax1=data（:1）;%作为 Ultrasonic power（W） 输入
datax2=data（:2）;%作为 Ultrasonic temperature（oC） 输入
datax3=data（:3）;%作为 Ultrasonic time（min） 输入
datay=data（:4）;%作为 anti-glycated activity（%） 目标向量

datax11=150:2:400;%作为 Ultrasonic power（W） 输入
datax33=5:2:35;%作为 Ultrasonic time（min） 输入
[datax111datax333]=meshgrid（datax11datax33）;
datay2=griddata（datax1datax3dataydatax111datax333‘v4‘）;% ‘v4‘MATLAB 4 格点样条函数内插
surf（datax11datax33datay2）;
xlabel（‘Ultrasonic power（W）‘）;
ylabel（‘Ultrasonic time（min）‘）;
zlabel（‘anti-glycated activity（%）‘）;
grid on
axis tight
%% draw surf3
%%clcclearclose all
%下载输入输出数据
load data.mat; %原始数据以列向量的方式存放在workplace文件中
n=size（data）;
datax1=data（:1）;%作为 Ultrasonic power（W） 输入
datax2=data（:2）;%作为 Ultrasonic temperature（oC） 输入
datax3=data（:3）;%作为 Ultrasonic time（min） 输入
datay=data（:4）;%作为 anti-glycated activity（%） 目标向量

datax22=20:2:80;%作为 Ultrasonic temperature（oC） 输入
datax33=5:2:35;%作为 Ultrasonic time（min）  输入
[datax222datax333]=meshgrid（datax22datax33）;
datay3=griddata（datax3datax2dataydatax333datax222‘v4‘）;% ‘v4‘MATLAB 4 格点样条函数内插
surf（datax22datax33datay3）;
xlabel（‘Ultrasonic time（min）‘）;
ylabel（‘Ultrasonic temperature（oC）‘）;
zlabel（‘anti-glycated activity（%）‘）;
grid on
axis tight

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        329  2013-10-13 16:02  第32章\data.mat

     文件        420  2013-10-13 16:02  第32章\genetic algorithm\Code.m

     文件       1556  2013-10-13 16:02  第32章\genetic algorithm\Cross.m

     文件        329  2013-10-13 16:02  第32章\genetic algorithm\data.mat

     文件        541  2013-10-13 22:29  第32章\genetic algorithm\data1.mat

     文件       1158  2013-10-13 16:02  第32章\genetic algorithm\Decode.m

     文件       1051  2016-02-01 17:45  第32章\genetic algorithm\fun.m

     文件       3471  2016-01-22 17:29  第32章\genetic algorithm\Genetic.m

     文件       5053  2013-10-13 16:02  第32章\genetic algorithm\kth.m

     文件       1602  2013-10-13 16:02  第32章\genetic algorithm\Mutation.m

     文件        825  2013-10-13 16:02  第32章\genetic algorithm\Select.m

     文件        291  2013-10-13 16:02  第32章\genetic algorithm\test.m

     文件     486942  2016-01-31 11:00  第32章\genetic algorithm\test_result.mat

     文件        236  2013-10-13 22:32  第32章\genetic algorithm\ydata.m

     文件       2250  2016-01-17 19:23  第32章\surf3D.m

     目录          0  2017-12-30 21:12  第32章\genetic algorithm

     目录          0  2017-12-30 21:12  第32章

----------- ---------  ---------- -----  ----

               506054                    17