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' }
" x) |3 _. A9 jP=[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
  w3 X: `5 f, Q; X3 e& T1 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
" {7 b6 U/ L; m8 G* Q" a9 i1 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
6 I' P/ U% I! _7 _$ o, T$ r1 D- E2 T0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c
0 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;
6 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
0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;
0 s) [1 Z6 [# V0 q+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;
# Q4 G, S$ B+ m& \# 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
, ]# g2 T0 e* V- u4 @" `2 J0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;
2 A) C# S& h3 ^7 R5 H7 a! o% Q- _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
8 o! R3 Q0 I; c0 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
/ P/ X( I; ~  t- X1 w0 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
0 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
0 0 0 0.2 0.6 1 0.6 0.2;
' 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
0 0 0 0.2 0.6 1 0.6 0.2;
. _* w9 D! f1 |& B% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;
* K% Z2 s, g! a/ h9 Z/ c  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
0 0 0 0 0 0.2 0.5 0.8;
+ j& X& |2 o( B# P) 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
0 0 0 0.2 0.6 1 0.6 0.2;
4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
7 t, c' H1 T6 Y+ C4 j- W. 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
) l# f6 e8 S6 m- _8 d- v* c0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
& R; L8 U9 d( S: n* K% X' f0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
: A* j! I$ F" C2 k. I7 O! P9 m# R- k0 0 0 0 0 0.2 0.5 0.8;
; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
( 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
0 [; B/ T$ J2 ~% n' z%中间层神经元的传递函数为'tansig'
- J( \, {. {; ]; g- R+ [0 a; J5 V4 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
2 ?' L* Z1 ?- r0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V
! O: K# ]0 P! x- C/ q, R/ E4 k9 }( i; _%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
: g! `6 e" D( n6 W" R7 x. ]5 J%训练目标误差为0.001
" E5 z) O2 ^  H7 ~& X6 H) I  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
$ e7 A- Z( z( [; fnet.trainParam.goal=0.001;
& d$ b  p0 h) r# t( R: 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% V) q1 `  d9 zY=sim(net,P);
  q- {7 z) Z5 p7 E0 C: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o
for i=1:16
8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
, V& r4 z+ v- [9 U. n5 o( Z9 A; [  n* ^* P% e