【BP数据预测】供需算法优化BP神经网络SDO-BP数据预测（含前后对比）【含Matlab源码 2032期】

⛄一、供需算法简介

供需优化(SDO)算法是Zhao等于2019年受经济学供需机制的启发而提出的一种新型元启发式优化算法。该算法在数学上模拟了消费者的需求关系和生产者的供给关系,通过将供求机制之稳定模式和非稳定模式引入到SDO算法中,利用两种模式在给定空间中进行局部搜索和全局搜索求解待优化问题。与传统群智能算法相比,SDO算法收敛速度快、寻优精度高、调节参数少,具有较好的探索和开发能力。

将SDO算法数学描述简述如下。
a. SDO算法初始化。假设有n个市场,每个市场有d种不同的商品,每种商品都有一定的数量和价格。市场中d种商品价格表示优化问题d维变量的一组候选解,同时将市场中d种商品数量作为一组可行解进行评估,如果可行解优于候选解,则可行解替换候选解。n个市场商品价格和商品数量分别用X、Y两个矩阵表示:

式中: xi和yi 分别为第i个商品价格和数量;xij和yij分别为第j个商品在第i个市场中的价格和数量。

利用适应度函数分别对每个市场中的商品价格和数量进行评估,对于n个市场,商品价格和商品数量的适应度分别为:

b. 商品均衡数量与均衡价格。假设每种商品的均衡价格x0和均衡数量y0在每次迭代过程中都是可变的,从每个市场商品数量集合中选择一种商品数量作为其数量均衡向量,其市场适应度值越大,表示每个市场所选商品数量的概率就越大。同时,每个市场也可以根据其概率从商品价格集合中选择一种商品价格或以所有市场商品价格的平均值作为均衡价格。商品均衡数量y0表示如下: