MATLAB Code of SOM Neural Network Based Method for Task Assignment

SOM_Code

MATLAB Code of SOM (self-organizing maps) Neural Network Based Method for Task Assignment of Multi-Agent Systems

download

Authors: Xin Li

Email: lixin850224@163.com

Laboratory of Underwater Vehicles and Intelligent Systems

Shanghai Maritime University

close all; 

% 设置搜索范围
xmin = [0; 0];  
xmax = [50;50]; 

% 设定迭代次数
Step = 15;

% 设置AUV和目标点的参数

Dmin = 1;
count = 0;

Target=[15 15; 20 20; 10 10; 5 7; 11 17; 22 9 ]';
Robot = [6 20 11 16 18 19 20 10 8 ;6 16 17 14 11.9 19 8 16 9];
Mat = size(Target); 
TarNum = Mat(1,2);

figure,
plot(Robot(1,:),Robot(2,:),'.r','MarkerSize',10);
axis([0 30 0 30]); 
hold on
plot(Target(1,:),Target(2,:),'.g','MarkerSize',50);
hold off
...
...
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
MATLAB中实现SOM(自组织神经网络)聚类算法有多种方法。以下是一种基本的步骤: 1. 导入数据:将需要聚类的数据集导入MATLAB中。 2. 设定网络参数:设置SOM网络的参数,包括输入数据维度、输出节点的形状和数量、学习率、邻域函数等。 3. 初始化权重:为SOM网络的每个节点随机生成初始权重。 4. 训练网络:对于每个输入数据,计算与网络中每个节点的距离,并找到最接近的那个节点(获胜节点)。 5. 更新权重:根据获胜节点的位置和邻域函数,更新与之相关联的节点的权重。 6. 重复步骤4和步骤5,直到网络收敛或达到预定的迭代次数。 7. 可视化聚类结果:将节点的位置和权重可视化,以便观察和分析聚类结果。 尽管上述步骤提供了一种基本的实现方法,但在具体编程过程中还有许多细节需要注意。例如,需要选择适当的距离度量方法、邻域函数和学习率衰减策略。此外,也可以根据具体需求对算法进行适当的改进和优化。 MATLAB提供了一些相关函数和工具箱,如`som`函数和`selforgmap`函数,可以简化SOM聚类算法的实现过程。这些函数可以帮助用户设置和训练SOM网络,并快速获得聚类结果。 总之,在MATLAB中实现SOM聚类算法需要理解基本原理和步骤,并利用MATLAB提供的函数和工具进行实现。同时,根据具体需求和数据特点,可以对算法进行相应的优化和改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LiXin_SHMTU

您的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值