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' }
; k' B- Y( S7 ]  C3 B! nP=[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
/ d# i* M# C" {3 ^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;
) 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
2 _7 t/ S: X4 z+ T. ]) O0 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 r* ^6 P* Q# Q/ f+ L5 C0 @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
8 }' n4 C7 A2 z. H  h- x8 R( e0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;
8 u% O5 L( S* @+ 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;
- |/ P- A0 F9 p- _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
* c2 c- Z( K8 W: I1 W/ D$ r% s0 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
' x+ ~# X+ c6 _  N4 i0 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
8 M, Z( K( ?9 U6 I4 |" ]. i0 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;
% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;
$ T) m) Z( `% X( F- u9 ]) O( q  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
- Z; v2 a. I' ^0 0 0 0 0 0.2 0.5 0.8;
* o+ H# Y7 o8 G( _' ^' M5 p' X) 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;
% g. D5 C  Y. f2 W- z) x' _, O9 }4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
5 l( x9 c% f- e" {7 ?. 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
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
6 o4 G1 M( g* M& d! a0 0 0 0 0 0.2 0.5 0.8;
$ @1 f" E' m1 a7 {6 Y- }8 }; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
2 X- T. C. n+ b. z( 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
8 y2 k7 }9 _3 X9 R2 k7 J( K%中间层神经元的传递函数为'tansig'
+ b  h1 u* e( |+ s% 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
! a6 E' S- o# ~& e* ~* L" O; u4 p%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
%训练目标误差为0.001
* P/ {: X) \% s+ S* C1 r6 [5 }  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
net.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
8 ]5 Q0 v$ d# TY=sim(net,P);
% z4 F; M: ^5 G, ^( }8 Q: ]' 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