MFO-CNN-LSTM多输入回归预测|飞蛾扑火算法优化的卷积-长短期神经网络|Matlab

目录

一、程序及算法内容介绍：

基本内容：

亮点与优势：

二、实际运行效果：

三、算法介绍：

四、完整程序下载：

---

一、程序及算法内容介绍：

基本内容：

• 本代码基于Matlab平台编译，将MFO(飞蛾扑火优化算法)与CNN-LSTM（卷积-长短期记忆神经网络）结合，进行多输入数据回归预测

• 输入训练的数据包含7个特征，1个响应值，即通过7个输入值预测1个输出值（多变量回归预测，特征个数可自行指定）

• 归一化训练数据，提升网络泛化性

• 通过MFO算法优化CNN-LSTM网络的学习率、卷积核个数、神经元个数参数，记录下最优的网络参数

• 训练CNN-LSTM网络进行回归预测，实现更加精准的预测

• 迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况

• 自动输出多种多样的的误差评价指标，自动输出大量实验效果图片

亮点与优势：

• 注释详细，几乎每一关键行都有注释说明，适合小白起步学习

• 直接运行Main函数即可看到所有结果，使用便捷

• 编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码

• 所有数据均采用Excel格式输入，替换数据方便，适合懒人选手

• 出图详细、丰富、美观，可直观查看运行效果

• 附带详细的说明文档（下图），其内容包括：算法原理+使用方法说明

二、实际运行效果：

三、算法介绍：

飞蛾扑火优化算法（MFO）：是由自然界中飞蛾横向定位导航机制演变而来的。在夜间，飞蛾飞行时把遥远的月亮当作参考物，可以将月光视为平行光，飞蛾根据光照方向来和自身夹角来调整飞行方向，由于人工火焰距离较近，飞蛾飞行时与火焰保持固定的角度，飞蛾与火焰的距离会不断变化，最终产生螺旋式逼近火焰的飞行路径。MFO算法并行优化能力强，总体特性好，对于非凸函数而言，由于非凸函数具有大量的局部最优点，因此MFO算法能够广泛探索搜索空间，并发现其中存在全局最优点的概率更大的区域。

四、完整程序下载：