BP_Pso算法

两个文件 主程序 微粒群优化的神经网络 子程序 适应度函数，可修改

%混合bp算法，即pso_bp算法：
%算法思路：利用pso的全局搜索能力对bp网络的权值进行优化，再利用bp算法对其进行局部寻优。
%pso算法部分如下：
%1.1 初始化格式
clear all
clc;
format long;
%1.2 初始化微粒群的参数
wmax=1.2;
wmin=0.6;
N = 40 ; %微粒数目
%N=60;
D = 16 ; %每个微粒的空间维数
a=-1;
b=1;
c1=2.5; %学习因子1
%c1=2;
c2=2.5;  %学习因子2
%c2=2;
%w=1.2; %惯性权重
MaxDT=20 ; %最大迭代次数
%rand（‘state‘sum（100*clock））;
%x=a+（b-a）*rand（ND）;%[-11]
%v=a+（b-a）*rand（ND）;%[-11]
x=randn（ND）;  %[01]
v=randn（ND）;  %[01]

%初始化神经网络
P=-0.5:0.05:0.5;
T=（sin（2*3.14*P））.^2.*exp（-4*（P+0.5））;
I=1;H=5;O=1;%1-5-1结构
net = newff（[-0.5 0.5][H O]{‘tansig‘ ‘purelin‘}）;

%计算各个粒子的适应度值
for i=1:N
    p（i） = fitcall（x（i:）netIHODPT）; %局部最优值
    y（i:） = x（i:）;
end
pg = x（1:）; %pg为全局最优值
for i=2:N
    if fitcall（x（i:）netIHODPT）        pg = x（i:）;
    end
end

%迭代公式
for t = 1:MaxDT
    w = wmin + （wmax-wmin）*（1+cos（（t-1）*pi/（MaxDT-1）））/2;
    for i = 1:N
        v（i:）=w*v（i:）+c1*rand*（y（i:）-x（i:））+c2*rand*（pg-x（i:））;
        x（i:）=x（i:）+v（i:）;
        if fitcall（x（i:）netIHODPT）            p（i） = fitcall（x（i:）netIHODPT）;
            y（i:） = x（i:）;
        end
        if fitcall（x（i:）netIHODPT）            pg = y（i:）;
        end
    end

    Pbest（t） = fitcall（pgnetIHODPT）;
end

%bp网络
%clear all;
%clc;
%p = -0.5:0.05:0.5;
%t = （sin（2*3.14*p））.^2.*exp（-4*（p+0.5））;
%net=newff（minmax（p）[5 1]{‘transig‘ ‘purelin‘}‘trainlm‘）;
%net = newff（[-0.5 0.5][5 1]{‘tansig‘ ‘purelin‘}）;
%net = initnw（net1）;
for t = 1:H
    x2iw（t:） = pg（1（（t-1）*I+1）:t*I）;%wi为5*1的矩阵
end
for r = 1:O
    x2lw（r:） = pg（1（I*H+1）:（I*H+H））;%wo为1*5的矩阵
end

x2b=pg（1（（I+1）*H+1）:D）;
x2b1=x2b（1:H）.‘;
x2b2=x2b（H+1:H+O）.‘;
net.iw{11}=x2iw（:1）;
net.lw{21}=x2lw;
net.b{11}=x2b1;
net.b{21}=x2b2;

net.trainParam.epoch = 500; %训练次数为500次；
net.trainParam.goal = 0.0001; %训练目标为误差小于0.001;
net.trainParam.lr = 0.01; %学习速率为0.01;
net = train（netPT）;
y1 = sim（netP）;
figure（1）;
%plot（py1‘-b‘）
%plot（pt‘-r‘py1‘-b‘‘LineWidth‘2）;
plot（PT‘r*‘）;
hold on;
plot（Py1‘-b‘）;
axis（[-0.5 0.5 -0.05 0.45]）;
title（‘非线性函数逼近‘）;
xlabel（‘输出‘）;
ylabel（‘时间‘）;

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

     文件       2412  2008-06-12 23:56  pso_bp\bp_pso.m

     文件        371  2008-05-20 10:08  pso_bp\fitcall.m

     目录          0  2012-09-24 01:21  pso_bp

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

                 3001                    4