求助：基于BP神经网络模型的遗传算法多参数优化程序

austin2008

%BP神经网络的建立
7 f: A* q; M) P& d/ o) Y
P  %训练数据的输入
8 o+ I0 ~9 H6 ?/ A8 @T  %训练数据的输出
nntwarn off
[Pn,minP,maxP,Tn,minT,maxT]=premnmx(P,T);

%创建网络
8 ^; S; ?1 q, I- b( cnet=newff(minmax(Pn),[15,1],{'tansig','purelin'},'trainlm');
: s' T1 ]6 T5 O: a%设置训练参数
net.trainParam.show=50;
1 J4 q7 o7 b5 I  g# W( y: t; Vnet.trainParam.lr=0.05;
  {2 Q+ J* L! Pnet.trainParam.epochs=1000;
5 O# C5 F$ Q7 J  lnet.trainParam.goal=0.001;
% V8 F& K4 m, L# H9 a& L%训练网络
net=train(net,Pn,Tn);
  E0 Y* t/ {, ^, Zyn=sim(net,Pn)
) `0 B% ~- ~! d* A3 ^y=postmnmx(yn,minT,maxT)
save BPnet net  %保存网络
; e( T1 s2 J2 z, a: f


# H8 U/ z. R7 i* J
load BPnet
0 p. ?# U1 v+ j7 f$ uY=sim（net，X）；%X=[x1 x2 x3 x4 x5 ] ，维数与训练的输入P相同
; C8 {3 x* u0 ~$ ^3 j, E9 ]5 A                        %Y＝f（X）  Y与X的关系是通过BP神经网络训练出来的。
0 x: v% [: [' |( W3 p% ]6 B
% C3 s: l, ^  W. |$ k
现在我想用遗传算法对上述模型进行优化，使得x1,x2,x3,x4,x5五个变量适当组合使得Y为最佳值。x1∈[30,100],x2∈[5,12],x3∈[25,33],x4∈[15,25],x5∈[19,30]

/ Z3 c/ J: l- i. C我现在不知道怎么定义遗传算法的适应值函数f(x)，使得遗传算法程序能对多变量（x1，x2，x3,x4,x5）进行优化，麻烦热心的朋友给个解决的办法或建议，另外是用二进制编码还是实数编码我也不是很清楚，若有提供相关的例子和源码那就更加感激了，我是新手，还请诸位多多关照

xczxtxy

心有多远，我们就能走多远

minedoc

关注..。。。。。

灰色记忆

只为积分...333333
9 N! J* U2 F/ c! S& F4 V  |

天空飞翔222

真心看不懂啊啊啊

shlovehl

MARK一下，以后还会回来看的