基于遗传算法优化的神经网络算法

最新推荐文章于 2024-10-04 15:48:34 发布

Yaroo

最新推荐文章于 2024-10-04 15:48:34 发布

阅读量9.5k

点赞数 6

分类专栏：机器学习文章标签：遗传算法

本文链接：https://blog.csdn.net/Yaroo/article/details/52472441

版权

该博客介绍了一种使用遗传算法优化神经网络的预测方法。首先，定义了网络结构并加载数据，然后初始化遗传算法参数，包括进化代数、种群规模等。接着，通过编码和解码操作进行种群初始化和进化过程，不断调整网络的阀值和权值。最后，将优化后的参数应用于BP网络进行训练和预测，并展示了适应度曲线。

摘要由CSDN通过智能技术生成

%% 该代码为基于遗传算法神经网络的预测代码  
% 清空环境变量  
clc  
clear  
%   
%% 网络结构建立  
%读取数据  
load data input output  
  
%节点个数  
inputnum=2;  
hiddennum=5;  
outputnum=1;  
  
%训练数据和预测数据  
input_train=input(1:1900,:)';  
input_test=input(1901:2000,:)';  
output_train=output(1:1900)';  
output_test=output(1901:2000)';  
  
%选连样本输入输出数据归一化  
[inputn,inputps]=mapminmax(input_train);  
[outputn,outputps]=mapminmax(output_train);  
  
%构建网络  
net=newff(inputn,outputn,hiddennum);  
  
%% 遗传算法参数初始化  
maxgen=20;                         %进化代数，即迭代次数  
sizepop=10;                        %种群规模  
pcross=[0.2];                       %交叉概率选择，0和1之间  
pmutation=[0.1];                    %变异概率选择，0和1之间  
  
%节点总数  
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;  
  
lenchrom=ones(1,numsum);