基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测，matlab代码，多变量输入模型。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数

 

%%  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
% restoredefaultpath
%%  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')';

f_ =size(P_train, 1); %输入特征维度
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';

%%  超参数设置
Search_Agents  = 6;               % 种群数目
Max_iterations = 15;               % 迭代次数
dimensions     = 3;                % 参数个数
Lowerbound = [0.01, 0.01, 0.1];    % 优化下界
Upperbound = [  10,   10, 100];    % 优化上界
objective = @getObjValue;          % 目标函数

智能算法及其模型预测