粒子群算法优化BP和Elman神经网络-matlab源码

粒子群优化算法是一种智能优化算法，又称微粒群算法，它通过模拟自然界鸟群捕食和鱼群捕食的过程。通过群体中的协作寻找到问题的全局最优解。

收敛性的数学证明帮助了PSO的发展和应用，但此内分析具有很大的局限性。为PSO加入正交学习后，算法的全局收敛、收敛精度及鲁棒可靠性都得到了提高。

话不多说直接附代码：

算法用于预测，输入为3特征值，输出为1输出。内附数据集，拿来直接用，结构清晰，注释详细，全在一个程序里，方便对比。

本次用了BP、Elman神经网络和PSO-BP、PSO-Elman神经网络对比。

部分数据集：

其中，xyz是输入，o是需要预测的输出

部分代码：

clear;clc;close all;
load data4.mat;
[train_x,inputps]=mapminmax(train_x);
test_x=mapminmax('apply',test_x,inputps);
[train_y,outputps]=mapminmax(train_y);
test_y=mapminmax('apply',test_y,outputps);
inputnum=3;hiddennum=5;outputnum=1;epoch_bp_elman=5000;
dim=26;%=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
N=50;%种群数量
epoch_pso=50;%粒子群算法迭代次数
epoch_bp=5000;epoch_elman=5000;%BP、Elman神经网络迭代次数
w=0.8;c1=1.5;c2=1.5;
Xmax=20;Xmin=-20;%粒子群x上下限
Vmax=10;Vmin=-10;%速度v上下限
%初始化种群个体位置和速度
x_bp=rand(N,dim)*(Xmax-Xmin)+Xmin;%初始BP
v_bp=rand(N,dim)*(Xmax-Xmin)+Xmin;
x_elman=rand(N,dim)*(Xmax-Xmin)+Xmin;%初始Elman
v_elman=rand(N,dim)*(Xmax-Xmin)+Xmin;
%初始化个体、全局最优位置和最优值(速度)
%PSOBP
net_bp=newff(train_x,train_y,hiddennum);%创建初始BP神经网络，给目标函数用
p_bp_local=x_bp;%当前BP种群矩阵
pbest_bp_local=ones(N,1);%当前BP种群适应度
g_bp_quanju=ones(1,dim);%全局BP种群矩阵
gbest_bp_quanju=1e5;%全局BP种群适应度初始设置为10W
%粒子群算法迭代开始
......

figure(1);
plot(1:size(yy_bp,2),yy_bp,'b-');
title('PSO收敛曲线','fontsize',12);
xlabel('迭代次数','fontsize',12);ylabel('适应度值','fontsize',12);
%把粒子群算法迭代结果最优值赋给神经网络当做权重和偏置
w1_bp=x_bp(1:inputnum*hiddennum);
B1_bp=x_bp(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2_bp=x_bp(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2_bp=x_bp(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
w1_elman=x_elman(1:inputnum*hiddennum);
B1_elman=x_elman(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2_elman=x_elman(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2_elman=x_elman(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);

figure(2);
plot(1:size(error_psobp,2),error_psobp,'r',1:size(error_bp,2),error_bp,'m--',1:size(error_psoelman,2),error_psoelman,'g-',1:size(error_elman,2),error_elman,'c--');%
title('预测误差','fontsize',12);
xlabel('样本数量','fontsize',12);ylabel('误差值','fontsize',12);
legend('PSO-BP误差','BP误差','PSO-Elman误差','Elman误差');
figure(3);
plot(1:size(test_x,2),result_bp,'m-',1:size(test_x,2),result_sim_bp,'r-',1:size(test_x,2),test_y,'b-',1:size(result_sim_elman,2),result_sim_elman,'g-',1:size(result_elman,2),result_elman,'c--')
legend('BP预测值','PSO-BP预测值','真实值','PSO+Elman预测值','Elman预测值');

 粒子群算法收敛曲线图：

预测结果：

源码下载地址：

链接：https://pan.baidu.com/s/1Hzk0trmkdHr0GfmBjk2KGA 
提取码：6666

-------------------------------------------------------我的其他代码--------------------------------------------------------

粒子群算法优化BP神经网络-matlab源码

头脑风暴算法优化BP神经网络-matlab源码

层次聚类、k_means聚类-python源码

Adaboost-python手推源码不调用库-有手就会