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' }
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
1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
9 ]& `& U8 ]9 \! L" a) s% H9 b6 c) 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 \6 f% k1 p. R0 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
9 U. z6 R% r/ d$ _: k0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;
+ d) R/ V! c2 ?% T0 b6 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
5 D& ^/ R+ d2 P/ x+ t0 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;
# 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;
; D: \4 u0 _6 Y- |% Z6 d! u- _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
% Y+ u8 W# Q% x/ C! [& d. n0 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
/ q" J+ V/ x; p1 k0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [
+ a) J, Y) Y. d6 H) wT=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z
) W9 K2 A( w8 F4 a0 0 0 0.2 0.6 1 0.6 0.2;
* ?4 s( [6 {) G2 b' 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;
; D. t7 A7 n) y+ U  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
: y, w% E8 k2 b8 @9 y0 z0 0 0 0.2 0.6 1 0.6 0.2;
0 n7 F4 \2 v( P  L$ f: ~& c0 F4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
. 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
* L7 X/ J% g: \0 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;
; 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
& M; Y7 e% o  a%中间层神经元的传递函数为'tansig'
" p8 a: k0 Y" l  c+ V; z# i4 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
0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V
/ E" W/ }1 b! v1 `: G+ ^%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
%训练目标误差为0.001
, L! s/ |3 g( P5 Y, x. y  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
3 n2 ?. e* l* n! i, P( ?3 Nnet.trainParam.goal=0.001;
; 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);
; H- B: \: |$ d  g2 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
) e* m  K, g" A* a2 u2 v8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
: l5 [# x: _/ [( ~4 H" ~% S5 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
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
( L1 ^! D; s# H& t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