粒子群算法PSO优化核极限学习机做回归预测，多输入单输出模型。PSO-KELM

 clc
clear all
warning off
%% 导入数据
% 训练集——190个样本
P_train = xlsread('data','training set','B2：G191')';
T_train = xlsread('data','training set','H2：H191')';
% 测试集——44个样本
P_test=xlsread('data','test set','B2:G45')';
T_test=xlsread('data','test set','H2:H45')';
M = size(P_train, 2);
N = size(P_test, 2);
%% 归一化
% 训练集
[Pn_train,inputps] = mapminmax(P_train,-1,1);
Pn_test = mapminmax('apply',P_test,inputps);
% 测试集
[Tn_train,outputps] = mapminmax(T_train,-1,1);
Tn_test = mapminmax('apply',T_test,outputps);
%% 参数设置
pop=20; %种群数量
Max_time=20; %  设定最大迭代次数
dim = 2;% 维度为2，即优化两个参数，正则化系数 C 和核函数参数 S
lb = [0.01,0.01];%下边界
ub = [20,20];%上边界
fobj = @(x) fun(x,Pn_train,Tn_train);
[Best_score,Best_pos,curve]=PSO(pop,Max_time,lb,ub,dim,fobj); %开始优化