基于模拟退火的神经网络算法

将模拟退火算法应用于神经网络中，可解决神经网络算法易陷入局部极小和收敛速度慢的问题

// shengjingnet.cpp : 定义控制台应用程序的入口点。

#include “stdafx.h“

#define INput 7     //输入特征参数的种类
#define OUTput 4     //所分类别的个数
#define TrainNum 40  //共多少个训练数据

int t=0;
double EfrontTT0;
#define M  pow（float（10）6）*4 //循环次数

#include “backprop.h“

double **traindata;
int class_num[TrainNum];



void Data_Get（）
{
	traindata=alloc_2d_dbl（TrainNumINput）;
	char str[1000];
	int i=0j;
	FILE *f;
	char* pNext;
	f=fopen（“TrainData.txt““r“）;
	if（f==NULL）
	{
		printf（“Errorfile don‘t open\n“）;
	}
	while（!feof（f））
	{
		fgets（str1000f）;
		class_num[i]=atoi（str）;
		pNext=str;
		for（j=0;j		{
			pNext=strchr（pNext+1‘‘）;
			traindata[i][j]=atof（pNext+1）;
		}
		i++;
	}
	fclose（f）;
}
void Data_Deal（double maxt[INput]double mint[INput]）
{
	int ij;
	for（i=0;i	{
		maxt[i]=mint[i]=traindata[0][i];
		for（j=0;j		{
			if（maxt[i]			{
				maxt[i]=traindata[j][i];
			}
			if（mint[i]>traindata[j][i]）
			{
                mint[i]=traindata[j][i];
			}
		}
		for（j=0;j		{
			//traindata[j][i]=（traindata[j][i]-mint[i]）/（maxt[i]-mint[i]）;
			traindata[j][i]=2*（traindata[j][i]-mint[i]）/（maxt[i]-mint[i]）-1;
		}

	}
}

void output_result（BPNN *newl）
{
	double *Nout;
	int i;
    Nout = （double *） malloc （（unsigned） （（OUTput+1） * sizeof （double）））;
    if （Nout == NULL） {
	                     printf（“ALLOC_1D_DBL: Couldn‘t allocate array of doubles\n“）;
                       }
    int ONE=0ZERO=0;
    int NUM;

	for（i=1;i<=OUTput;i++）
	{
		if（newl->output_units[i]<0.5）
		{
			Nout[i]=0;
		}
		if（newl->output_units[i]>0.5）
		{
			Nout[i]=1;
		}
		if（newl->output_units[i]==0.5）
		{
			Nout[i]=-1;
		}
	}

	for（i=1;i<=OUTput;i++）
	{
		if（Nout[i]==1）
		{
			ONE=ONE+1;
			NUM=i;
		}
		if（Nout[i]==0）
		{
			ZERO=ZERO+1;
		}
		if（Nout[i]==-1）
		{
			printf（“无法判别其所属类别“）;
			break;
		}
	}
	if（ONE==1 && ZERO>=1）
	{
		printf（“判断其属于第 %d 类\n“NUM）;
	}
	else
	{
		printf（“无法判别其所属的类别\n“）;
	}
	free（Nout）;
	Nout=NULL;

	for（i=1;i<=OUTput;i++）
	{
		printf（“输出为：%3f \n“newl->output_units[i]）;
	}

}

int _tmain（int argc _TCHAR* argv[]）
{
	
	BPNN *net;
	BPNN *news;
	bpnn_initialize（0）;
	int ijn;
	int hid_num;
	double maxs[INput];
	double mins[INput];

	//hid_num=sqrtf（INput+OUTput）+1; //隐含层神经元个数可调节公式，其中常数可以取1到10之间
	hid_num=sqrtf（0.43*INput*OUTput+0.12*OUTput*OUTput+2.54*INput+0.77*OUTput+0.35+0.51）;

	net=bpnn_create（INputhid_numOUTput）;
	news = bpnn_internal_create（INputhid_numOUTput）;
    Data_Get（）;
	Data_Deal（maxsmins）;

	
	for（j=0;j	{
		net->input_units[j+1]=traindata[0][j];  //将训练数据输入神经网络
	}
	//输入训练数据应该所属的类别
	n=class_num[0];
	for（j=1;j<=OUTput;j++）
	{
		if（j==n）
		{
			net->target[j]=1;
		}
		else
		{
			net->target[j]=0;
		}
	}
	if（t==0）
	{
		simulated_annealing_Init（net）;
	}

    //根据traindata中的数据训练神经网络
    while（1） 
         

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

     文件      88576  2013-06-06 15:59  SA_BPnet_train\Debug\shengjingnet.exe

     文件    1242756  2013-06-06 15:59  SA_BPnet_train\Debug\shengjingnet.ilk

     文件    1010688  2013-06-06 15:59  SA_BPnet_train\Debug\shengjingnet.pdb

     文件    2359296  2013-06-07 09:37  SA_BPnet_train\ipch\shengjingnet-920f2d2f\shengjingnet-53889310.ipch

     文件      11877  2013-06-07 09:45  SA_BPnet_train\shengjingnet\backprop.h

     文件       1530  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\cl.command.1.tlog

     文件       8498  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\CL.read.1.tlog

     文件        882  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\CL.write.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link-cvtres.read.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link-cvtres.write.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.5236-cvtres.read.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.5236-cvtres.write.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.5236.read.1.tlog

     文件          2  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.5236.write.1.tlog

     文件       2500  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.command.1.tlog

     文件       4810  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.read.1.tlog

     文件        944  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\link.write.1.tlog

     文件        420  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\mt.command.1.tlog

     文件        350  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\mt.read.1.tlog

     文件        350  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\mt.write.1.tlog

     文件        590  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\rc.command.1.tlog

     文件        322  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\rc.read.1.tlog

     文件        330  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\rc.write.1.tlog

     文件        406  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\shengjingnet.exe.embed.manifest

     文件        472  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\shengjingnet.exe.embed.manifest.res

     文件        381  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\shengjingnet.exe.intermediate.manifest

     文件         58  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\shengjingnet.lastbuildstate

     文件       3308  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\shengjingnet.log

     文件     204742  2013-06-06 15:59  SA_BPnet_train\shengjingnet\Debug\shengjingnet.obj

     文件    1179648  2013-06-06 11:14  SA_BPnet_train\shengjingnet\Debug\shengjingnet.pch

............此处省略39个文件信息