pm模型matlab算法,基于遗传算法的投影寻踪模型Matlab源码

基于遗传算法的投影寻踪模型Matlab源码

%% “投影寻踪＋遗传算法优化”的主仿真程序

% GreenSim团队原创作品，转载请注明

% Email:greensim@163.com

% GreenSim团队主页：http://blog.sina.com.cn/greensim

%

[color=red]欢迎访问GreenSim——算法仿真团队→[url=http://blog.sina.com.cn/greensim]http://blog.sina.com.cn/greensim[/url][/color]

%% 第一步：仿真参数设置

clear

clc

close all

load Q5.txt

DD=Q5;%导入D矩阵

[n,p]=size(DD);

np=15; %训练样本的个数，前面1～np个样本用于建立模型，剩下的样本用于预测

if np>=n

error('用于预测的样本个数不能大于或等于样本总数，请重新设置');

end

year=1:np;%选择参与计算的样本，默认选择全部

Factor=1:p;%选择部分指标，默认选择全部

D=DD(year,Factor);

K=50; %迭代次数

N=30; %种群规模

Pm=0.3; %变异概率

LB=-ones(1,p); %决策变量的下界

UB=ones(1,p); %决策变量的上界

Alpha=0.1; %窗口半径系数，典型取值0.1b

%% 调用遗传算法优化投影寻踪模型的程序

[BESTX,BESTY,ALLX,ALLY]=GAUCP(K,N,Pm,LB,UB,D,Alpha)

%% 以下均为整理输出结果

%所有数据都在workspace里，最值得关注的三个数据是

%

Z 投影指标值，和参考文献里的符号是一致的

%

Best_a 最佳投影向量，参考文献里也是用的符号a，这里加了个前缀Best，表示最佳

%

BESTY 投影寻踪模型中的目标函数的变化情况，文献中的模型是最大化模型，这里按照惯例，对其加了个负号成为最小化模型

Best_a=(BESTX{K})';%方向向量

disp('最佳投影向量为');

disp(Best_a);

d=zeros(np,p);

DDjmax=max(DD);

DDjmin=min(DD);

for i=1:np

d(i,:)=(DD(i,:)-DDjmin)./(DDjmax-DDjmin);

end

Z=zeros(np,1);

for i=1:np

Z(i)=abs(sum(Best_a.*d(i,:)));

end

Z=abs(Z);

%%

figure(2)%投影散布图

plot(year,abs(Z),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);

%axis([1,12,0,2.5]);%图形边界根据需要显示

grid on

xlabel('Year','FontName','Times New Roman','FontSize',12);

ylabel('Projective Value','FontName','Times New

Roman','Fontsize',12);

%%

figure(3)

[newZ,I]=sort(Z);

newyear=year(I);

plot(year,abs(newZ),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);

%axis([1,12,0,2.5]);%图形边界根据需要显示

grid on

xlabel('Year','FontName','Times New Roman','FontSize',12);

ylabel('Projective Value','FontName','Times New

Roman','Fontsize',12);

%%

n2=n-np;

d2=zeros(n2,p);

for i=1:n2

d2(i,:)=(DD(i+np,:)-DDjmin)./(DDjmax-DDjmin);

end

Z2=zeros(n2,1);

for i=1:n2

Z2(i)=abs(sum(Best_a.*d2(i,:)));

end

Z2=abs(Z2);

disp('预测样本的投影预测值为');

disp(Z2);

%%

figure(4)%投影散布图

plot([Z;Z2],'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);

hold on

plot((np+1):n,Z2,'bo','LineWidth',1,'MarkerEdgeColor','r','MarkerFaceColor','r','MarkerSize',5);

legend('训练样本投影值','预测样本投影值');

%axis([1,12,0,2.5]);%图形边界根据需要显示

grid on

xlabel('Year','FontName','Times New Roman','FontSize',12);

ylabel('Projective Value','FontName','Times New

Roman','Fontsize',12);