基于遗传算法优化的BP神经网络算法

所用数据同“2 - 较复杂的BP神经网络实现”
GAMain.m

clc
clear 
close all
%% 加载神经网络的训练样本 测试样本每列一个样本 输入P 输出T
%样本数据就是前面问题描述中列出的数据
load dataa
% warning('off')
% 初始隐层神经元个数
%hiddennum=31;
hiddennum=13;
inputnum=size(P1,1);       % 输入层神经元个数
outputnum=size(T1,1);      % 输出层神经元个数
w1num=inputnum*hiddennum; % 输入层到隐层的权值个数=输入层*隐含层节点个数
w2num=outputnum*hiddennum;% 隐层到输出层的权值个数=输出层*隐含层节点个数
N=w1num+hiddennum+w2num+outputnum; %待优化的变量的个数=权值+阈值（隐含层+输出层节点个数）

%% 定义遗传算法参数
NIND=40;        %个体数目，种群大小  #可修改该值来调整优化效果
MAXGEN=100;      %最大遗传代数  #可修改该值来调整优化效果
PRECI=10;       %变量的二进制位数，个体长度                                  ？？如何确定，对优化结果有何影响
GGAP=0.95;      %代沟，95%的父代复制给了子代。GGAP缺省或NaN表示=1，GGAP也可大于1。传统遗传算子包括:选择,交叉,变异；新的遗传算子,如代沟,人工选择等等
px=0.7;         %交叉概率
pm=0.01;        %变异概率
trace=zeros(N+1,MAXGEN);                        %寻优结果的初始值，初始权值和阈值

FieldD=[repmat(PRECI,1,N);repmat([-0.5;0.5],1,N);repmat([1;0;1;