遗传算法(GA)优化支持向量机的数据回归预测，GA-SVM回归预测,多输入单输出模型。

最新推荐文章于 2024-01-21 12:48:45 发布

智能算法及其模型预测

最新推荐文章于 2024-01-21 12:48:45 发布

阅读量860

点赞数

文章标签：算法

本文链接：https://blog.csdn.net/qq_43916303/article/details/128109433

版权

这段代码展示了如何使用MATLAB处理数据，包括读取Excel数据，进行训练集和测试集划分，数据归一化以及应用遗传算法进行优化。数据预处理涉及对特征变量`P_train`和目标变量`T_train`的处理，同时对测试集`P_test`和`T_test`进行了同样的操作。优化算法部分，定义了目标函数，设置了参数维度、上下界、种群数量和最大迭代次数，并运行了遗传算法来寻找最优解。

摘要由CSDN通过智能技术生成

%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
tic
%% 导入数据
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')';

%% 划分训练集和测试集
M = size(P_train, 2);
N = size(P_test, 2);
%% 数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%% 转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%% 参数设置
fun = @getObjValue; % 目标函数
dim = 2; % 优化参数个数
lb = [0.01, 0.01]; % 优化参数目标下限
ub = [ 1000, 1000]; % 优化参数目标上限
pop = 6; % 种群数量
Max_iteration = 10; % 最大迭代次数

%% 优化算法
[Best_pos,Best_score, curve] = GA(pop, Max_iteration, lb, ub, dim, fun);