在MATLAB中如何将神经网络和遗传算法联系起来

王捷浩

额。。。比较复杂啊~呵呵  找篇文章看看吧~

daidai0124

啊.... 这么巧和我的问题一样啊,有那位高手进来详细的解答解答啊

raosu

顶！！！！！！！！！！！！

lyaya2004

有人研究出来了吗？多交流。。。。

jluzhking

初学，路过

347196468

%获得网络的输入样本P和目标样本T8 ~& w) C( K; Q/ g) e2 A' }
1 A& n9 J6 r2 j* [P=[1 0.6 0.1 0 0 0 0   1 0.5 0 0 0 0 0;4 K3 v* b+ @: I" G2 C& ?2 S& z
1 0.6 0.1 0 0 0 0   0 0.5 1 0.4 0 0 0;9 |( R: l2 i; {7 p. o2 J% m
9 l6 c! T2 k. J1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
) A, ^* Z% o  j1 0.6 0.1 0 0 0 0   0 0 0 0 0 0 0.8;) W( b  h! d6 V3 J9 O& b
0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c
9 V$ T# V; [/ q' R) x0 0.6 0.6 0 0 0 0   0 0.5 1 0.4 0 0 0;$ N  F( j  A$ |- d1 k$ G/ K+ k" Y; Q
0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;
! Y3 |8 z( C* k" u" E6 Q* |! h# _4 H2 z2 U6 _0 0.6 0.6 0 0 0 0   0 0 0 0 0 0 0.8;% V, f5 |% e2 r3 ^& D
/ s% v# \6 z, M: [/ \8 G! H0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;
+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;
' E8 e) h8 S$ Q1 }# V' y- F! J/ [, B* f0 0 0.6 1 0 0 0    0 0 0 0.4 1 0.6 0;" h( s# ?% u' g$ h* X
0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;
- _7 x- i' b" f* G5 P- G0 0 0 0 1 0.6 0    1 0.5 0 0 0 0 0;! p$ q8 S1 V+ @9 t7 i. o+ c
. d3 l( B; x6 u; A3 O* X0 0 0 0 1 0.6 0    0 0.5 1 0.4 0 0 0;5 e* _9 w. i: p' ]; U. H+ K# f
0 0 0 0 1 0.6 0    0 0 0 0.4 1 0.6 0;  ^9 S7 i) L" N1 r+ {0 g& I
6 }7 `, u5 K) w; C/ I: R2 G0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [
T=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z
  y8 u$ T' j/ o: l: [: q, p# U+ U0 0 0 0.2 0.6 1 0.6 0.2;
0 w3 Q5 D& G, J7 {1 ?8 P' M5 N0 I, R/ x! D0 |1 g0 0 0 0.2 0.6 1 0.6 0.2;2 F- g1 H, Q6 j1 {  Y
- s" s! L, M- v) h3 X0 0 0 0.2 0.6 1 0.6 0.2;
, j2 ^) e0 G; ~7 V2 V0 ]% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;
  h1 k7 Z/ Y! w( R  I* }0 0 0 0.2 0.6 1 0.6 0.2;/ y8 U  A! f( O( H( m
8 ^) x  T- U" _- v0 0 0 0 0 0.2 0.5 0.8;
) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
2 P- E1 M8 K8 Y) ?/ M- m0 0 0 0.2 0.6 1 0.6 0.2;( K1 W& p9 b7 r6 a7 [; a
; r; Y0 Y* ]; A; I/ i7 W& Q, t0 0 0 0.2 0.6 1 0.6 0.2;
) k8 x2 e! d9 V8 x# s2 Z4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
: U/ n/ T6 G' P* S$ Y/ s. e2 {, q! g& u! D* o) @! t( l4 Z0 0 0 0 0 0.2 0.5 0.8;5 }/ y1 N  S, m# m, Z
( R0 O/ ?% }& x: b$ P0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
0 0 0 0 0 0.2 0.5 0.8;
8 H3 q5 t0 h) O' z! v; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
; E' K% \: D$ b( |+ Q, f- }: Y( x0 l- }8 I4 t* e%根据Kolmogorov定理，输入层有14个节点，所以中间层有29个节点$ f5 v3 N( Z/ H
& x' s! [" P8 ~6 ~1 |- r# P%中间层神经元的传递函数为'tansig'
4 F  _$ S% C' Z& c% }) G# y/ ~%输出层有8个节点，其神经元传递函数为logsig
, \; `2 P* v% b( k0 h- u7 H6 H) `%训练函数采用traingdx
8 S. L' R  ~% U. }2 d( g. m0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V
4 ?$ D, z+ H4 N) ~- B%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
( z/ u7 f5 [+ A( X! ]1 [) L%训练目标误差为0.001
6 ]  a+ o  M7 J; x  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
/ ^; m+ J8 d# Z; X+ y. o: _8 |net.trainParam.goal=0.001;
( h/ i  e8 y. R6 u+ O; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
Y=sim(net,P);
: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o
! ^  e; l0 c* e9 L  gfor i=1:16
: v" k7 ?% q7 S' H" l) K  `8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
  Q9 H. p( V( U+ u4 \5 J5 o( Z9 A; [  n* ^* P% e