在MATLAB中如何将神经网络和遗传算法联系起来

trok_2005

我因科研需要刚开始接触MATLAB，发现确实如各位大侠所说是个好东西，目前我在处理一组实验数据，希望用神经网络对其进行训练，可以实现仿真，另外我还希望采用遗传算法寻优，如何将神经网络的输出转化成遗传算法需要适应度函数呢？请各位大侠多多指点，先这里谢过了。

347196468

%获得网络的输入样本P和目标样本T8 ~& w) C( K; Q/ g) e2 A' }
5 f8 v0 ]0 b1 w& C: x& x  ]  L6 xP=[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
- S- M- D5 a; {* ^  B9 ~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
1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
. U, H. g1 w0 L3 {( T& k# b) 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
* d0 F8 F  p( p) x0 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
3 @0 b6 z' y* T# p- f$ _0 E0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;
' Z9 b5 ^5 z! w, f! I1 l6 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
  Z( U' n9 E0 n: h* ?6 U/ n3 s0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;
8 {; j$ _3 S1 Y* p/ {# h1 C+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;
# 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;
5 u9 v* s+ Q% l% q' |$ h- _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
0 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
8 v  y; M: u) h8 R1 U0 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
3 e0 O& K4 G; M- ~! `- a# a0 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
( v7 k% _$ A  n" x& r& Z0 0 0 0.2 0.6 1 0.6 0.2;
  d: h  j) f7 I2 @' 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;
% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;
; Z& A8 t4 p! ~+ I& z  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;
) 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;
1 z2 i% H& k, X; c5 k. 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
# P, r/ k- a/ r* |9 `; S7 Z0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
/ r/ Q9 g6 X# _9 h0 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;
; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
5 R4 A( s% ?" W2 A0 _: T( 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
%中间层神经元的传递函数为'tansig'
7 W5 ]! M6 Z& c2 f6 I5 J1 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
. Z5 d3 _- l4 Y# M! f5 ~3 `7 o0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V
# x/ r5 ^, S7 H+ k- b& a2 T%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
: w4 P$ ], K, ~) m7 ?5 }%训练目标误差为0.001
( z  O! u1 \6 R; U0 W( D  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
net.trainParam.goal=0.001;
+ _8 w: i& Y6 x2 s% ~$ Y- d; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
4 Y  J8 r0 i/ k4 ?- S6 T- LY=sim(net,P);
" z  @8 Q$ M, {6 y- r: ]' 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));
5 o( Z9 A; [  n* ^* P% e

jluzhking

初学，路过

lyaya2004

有人研究出来了吗？多交流。。。。

raosu

顶！！！！！！！！！！！！

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

王捷浩

额。。。比较复杂啊~呵呵  找篇文章看看吧~

chang_bo321

是个比较麻烦的问题啊

dsh1001

我也是你这种问题，就是通过实验获得数据，然后建立模型进行训练、仿真和预测，这些都可以
9 M' ?$ e. F- L; y. b- a; G' e- W就是最后如何实现参数的优化，就是给定了输出如何确定最优的输入
7 g, X5 N7 g, m. \# g好像是用模拟退火算法之类的可以实现，目前还没有解决，期待你解决以后多交流

lzh0601

找本专著看吧