| 查看: 1004 | 回复: 8 | |||
| 当前主题已经存档。 | |||
| 【有奖交流】积极回复本帖子，参与交流，就有机会分得作者 zyugiec 的 12 个金币 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
【求助】遗传算法结合人工神经网络优化工艺源程序 已有1人参与
|
|||
|
先通过人工神经网络建立模型，然后用遗传算法搜寻模型的最佳输出以及相应的输入 谁有这样的matlab源程序啊，能否告诉我，发邮件给我也行，谢谢！！ 非常感谢虫友了 本人摸索很久了，一直写不出来 |
回复此楼» 猜你喜欢
面上合作单位盖章
已经有8人回复
-
面上函评意见出来了，像什么等级？
已经有15人回复
-
为什么资助数各大高校都创新高，自己申请怎么就这么难
已经有14人回复
-
小白求助 投论文要求的highlights应该如何写
已经有4人回复
-
麻烦专家们看看评委们的意见（F口面上）
已经有12人回复
-
怎么看青基中了没有啊
已经有6人回复
-
国社科又开始会评了，不知道这次命运如何
已经有11人回复
-
有多少人是今天查系统知道结果的？
已经有19人回复
-
基金未中，这种答复是模板吗？
已经有7人回复
-
哪位高人中了，把查询到的截图贴出来让我看看，让我长长见识
已经有7人回复
ultrafrost
木虫 (正式写手)
- 应助: 0 (幼儿园)
- 金币: 3400.4
- 散金: 21
- 红花: 1
- 帖子: 710
- 在线: 415.2小时
- 虫号: 72703
- 注册: 2005-06-05
- 性别: GG
- 专业: 分离过程
★ ★ ★ ★ ★ ★ ★
kuhailangyu(金币+2,VIP+0):欢迎常来 9-1 09:48
zyugiec(金币+5,VIP+0): 9-1 13:59
kuhailangyu(金币+2,VIP+0):欢迎常来 9-1 09:48
zyugiec(金币+5,VIP+0): 9-1 13:59
|
遗传算法优化神经网络黑箱函数通用MATLAB源码(2008-11-15 10:02:02)标签：杂谈 题目：遗传算法优化神经网络黑箱函数通用MATLAB源码 遗传算法优化神经网络有两种情况，一种是把遗传算法用于神经网络的训练，充分利用遗传算法全局搜索的特性，得到一个初始的权值矩阵和初始的阈值向量，再用其它训练算法（如BP算法），得到最终的神经网络结构，另外一种情况，则是把训练好的神经网络作为黑箱函数，用遗传算法搜索该黑箱函数的最大值。本源码由GreenSim团队原创，转载请注明，有意购买源码或代写相关程序，请与GreenSim团队联系（主页http://blog.sina.com.cn/greensim）。 function [Yp,Xp,LC1,LC2]=MYGA(bpnet,M,N,Pm,LB,UB,XX,YY) %% % GreenSim团队原创作品，转载请注明 % Email:greensim@163.com % GreenSim团队主页：http://blog.sina.com.cn/greensim % 欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim %% 输入参数列表 % bpnet 训练好的神经网络 % M 遗传进化迭代次数 % N 种群规模(取偶数) % Pm 变异概率 % LB 决策变量的下边界，1×5 % UB 决策变量的上边界，1×5 % XX 原始训练数据的输入部分 % YY 原始训练数据的输出部分 %% 输出参数列表 % Yp 最优个体对应输出值 % Xp 最优个体，1×5 % LC1 收敛曲线1，各代最优个体适应值的记录 % LC2 收敛曲线2，各代群体平均适应值的记录 %% --------------------------------------------------------------- %第一步：变量初始化 LC1=zeros(1,M);%收敛曲线1 LC2=LC1;%收敛曲线2 %第二步：随机产生初始钟群 farm=zeros(N,5); for i=1:N for j=1:5 farm(i,j)=(UB(j)-LB(j))+B(j); end end counter=0;%设置迭代计数器 while counter newfarm=zeros(N,5);%新种群 Ser=randperm(N);%保证随机配对 for i=1:2  N-1)AA=farm(Ser(i),  ;% 待交叉的两个父代个体BB=farm(Ser(i+1), ;p2=rand; pos=unidrnd(4); A=[p1*AA(1:pos)+(1-p1)*BB(1:pos),p2*AA((pos+1):5)+(1-p2)*BB((pos+1):5)]; newfarm(i, =A;newfarm(i+1, =B;end %新旧种群合并 FARM=[farm;newfarm]; %第四步：选择复制 FITNESS=zeros(1,2*N); fitness=zeros(1,N); for i=1 2*N)X=FARM(i, ;FITNESS(i)=NETSIM(bpnet,X',XX,YY); end Ser=randperm(2*N);%选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力 for i=1:N f2=FITNESS(Ser(2*i)); if f1>=f2 farm(i, =FARM(Ser(2*i-1),;fitness(i)=FITNESS(Ser(2*i-1)); else farm(i, =FARM(Ser(2*i),;fitness(i)=FITNESS(Ser(2*i)); end end %记录最佳个体和收敛曲线 maxfitness=max(fitness); meanfitness=mean(fitness); LC1(counter+1)=maxfitness;%收敛曲线1，各代最优个体适应值的记录 LC2(counter+1)=meanfitness;%收敛曲线2，各代群体平均适应值的记录 pos=find(fitness==maxfitness); Xp=farm(pos(1), ;Yp=maxfitness; %第五步：变异 for i=1:N if Pm>rand&&i~=pos(1);%变异概率为Pm X=farm(i, ;p1=unidrnd(5); farm(i, =X;end end counter=counter+1; disp(counter); end 代码是从http://blog.sina.com.cn/s/blog_4b4254430100c5sg.html 复制过来的 但是我感觉他们在网上贴出的代码里面会故意留几个语法或者逻辑错误，你用的时候得鉴别一下，只要看懂了原理，自己写代码也可以了 其实，用遗传算法寻找神经网络最优输出比优化权值和阈值 更简单，只要把神经网络的输入变量作为遗传算法的个体，神经网络的输出作为适应值，就可以了，很简单的，看一下MATLAB里面遗传算法工具箱的帮助你就知道怎么弄了 |
5楼2009-08-31 23:26:54
ultrafrost
木虫 (正式写手)
- 应助: 0 (幼儿园)
- 金币: 3400.4
- 散金: 21
- 红花: 1
- 帖子: 710
- 在线: 415.2小时
- 虫号: 72703
- 注册: 2005-06-05
- 性别: GG
- 专业: 分离过程
★ ★ ★ ★ ★
kuhailangyu(金币+2,VIP+0):非常感谢您的热心帮助 6-15 08:23
zyugiec(金币+2,VIP+0): 6-15 20:13
zyugiec(金币+1,VIP+0): 8-21 08:38
kuhailangyu(金币+2,VIP+0):非常感谢您的热心帮助 6-15 08:23
zyugiec(金币+2,VIP+0): 6-15 20:13
zyugiec(金币+1,VIP+0): 8-21 08:38
|
上传了若干源程序和说明文档在这里，希望对你有帮助 http://www.namipan.com/d/%E9%81% ... 023e3689f39ec150300 |
2楼2009-06-14 23:54:24
tieshu
木虫 (职业作家)
- 应助: 11 (小学生)
- 金币: 3774.6
- 红花: 3
- 帖子: 3319
- 在线: 294.2小时
- 虫号: 509714
- 注册: 2008-02-23
- 专业: 工业工程与管理
3楼2009-06-15 13:28:39
4楼2009-06-15 20:13:53
20
投票:
