【FNN预测】基于粒子群算法结合引力搜索算法优化前向反馈神经网络FNN实现数据回归预测附matlab代码...

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

重力搜索算法(GSA)是一种基于重力和质量相互作用定律的新颖启发式优化方法。已经证明该算法具有良好的全局最优搜索能力，但在最后一次迭代中搜索速度较慢。这项工作提出了粒子群优化(PSO)和GSA的混合体，以解决上述问题。在本文中，GSA和PSOGSA被用作前馈神经网络(FNN)的新训练方法，以研究这些算法在减少局部极小值捕获问题和当前进化学习算法的缓慢收敛速度方面的效率。将结果与FNN的基于标准PSO的学习算法进行比较。还研究了使用PSO，GSA和PSOGSA训练的FNN的准确性。实验结果表明，在训练FNN的收敛速度和避免局部最小值方面，PSOGSA优于PSO和GSA。还证明了用PSOGSA训练的FNN比使用GSA训练的FNN具有更好的准确性。

⛄ 部分代码

%% -------------------------------------------------------------------------

% S. Mirjalili, S. Z. Mohd Hashim, and H. Moradian Sardroudi, "Training 

%feedforward neural networks using hybrid particle swarm optimization and 

%gravitational search algorithm," Applied Mathematics and Computation, 

%vol. 218, pp. 11125-11137, 2012.

%The paper of the PSOGSA algorithm utilized as the trainer:

%S. Mirjalili and S. Z. Mohd Hashim, "A New Hybrid PSOGSA Algorithm for 

%Function Optimization," in International Conference on Computer and Information 

%Application?ICCIA 2010), 2010, pp. 374-377.

%% -----------------------------------------------------------------------------

function o=My_FNN(Ino,Hno,Ono,W,B,x1,x2,x3,x4)

h=zeros(1,Hno);

o=zeros(1,Ono);

for i=1:Hno

    h(i)=My_sigmoid(x1*W(i)+x2*W(Hno+i)+x3*W(2*Hno+i)+x4*W(3*Hno+i)+B(i));

end

k=3;

for i=1:Ono

    k=k+1;

    for j=1:Hno

        o(i)=o(i)+(h(j)*W(k*Hno+j));

    end

end

for i=1:Ono 

    o(i)=My_sigmoid(o(i)+B(Hno+i));

end

⛄ 运行结果

⛄ 参考文献

S. Mirjalili, S. Z. Mohd Hashim, and H. Moradian Sardroudi, "Training feedforward neural networks using hybrid particle swarm optimization and gravitational search algorithm," Applied Mathematics and Computation, vol. 218, pp. 11125-11137, 2012.

⛳️ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料