作业成本法的matlab实现

%P训练网络的输入数据：N个案例，M个指标构成NxM矩阵；
%T训练网络的输出数据：N个案例，K个指标构成NxK矩阵；
%可以通过aa=xlsread(‘i:\testp.xls’) 将excel文件中数据读入
%这时只读入文件中数字，文字不读入
%也可以通过load 文本文件,给P,T赋值，但在建立网络前要将
%P,T转置，P=P’,T=T’;
%可以将隐层神经元数目设为变量Nk,
%用input(‘请输入隐层神经元数目’)给其赋值
%这样建立网络命令为：
%net=newff(minmax(P),[Nk,m],{‘tansig’,’logsig’},’traingdx’,’learngd’,’msere
%g’);
%传递函数：logsig:S型对数函数：函数值位于（0，1）
%传递函数：dlogsig:logsig函数的导函数
%传递函数：tansig:双曲正切函数
%传递函数：dtansig:双曲正切函数的导函数
%传递函数：purelin:线性传递函数
%传递函数：dpurelin:线性传递函数的导函数
%{}中参数：第一个：隐层传递函数；第二个：输出层传递函数；第三个：训练函数
%训练函数：traingdx:梯度下降动量法，学习速率是自适应的
%训练函数：trainlm:Levenbeng-Marquadt反传算法，优点：收敛速度很快
%训练函数：traingd:普通梯度下降法
%训练函数：traingdm:梯度下降动量BP算法函数
%训练函数：trainbfg:BFGS准牛顿BP算法函数
%{}后参数：训练函数、学习函数和性能函数
%默认为：trainlm,learngdm,mse;
%学习函数：learngd:梯度下降权值/阀值学习函数，它通过神经元的输入和误差，以及权值和阀值的学习速率，来计算权值或阀值的变化率
%学习函数：learngdm:梯度下降动量学习函数，它通过神经元的输入和误差、权值和阀值的学习速率和动量常数来计算权值或阀值的变化率
%性能函数：mse:均方差误差函数：msereg:通过两个因子的加权和来评价网络性能，这两个因子分别是均方误差、均方权值和阀值

%net=newff(minmax(P),[Nk,m],{'tansig','logsig'},'traingdx','learngd','msere
%g');
%读入所有案例数据后，再分别取出输入输出数据给Ｐ、Ｔ
%用原始值训练网络
PT=xlsread('e:\mba\abc\abctrain.xls')
%做数据归一化处理
for