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' }
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
6 F6 f7 ?( F$ o6 \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;
0 j- q) S1 J. ^2 G  U) 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
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;
+ 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
% p  L6 ]6 R1 O6 H3 T; D0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;
% g# r( f1 t- |4 a  s7 d- _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
  t; a6 j# o9 W8 J+ y0 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
/ j3 K$ K6 l; o$ a( R* _$ x0 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
( `, p, ~$ {4 D, V4 q0 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
; u& P% V/ A5 [  {! a# u7 j( E9 o0 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;
6 W$ W, J: N# _2 b  T1 B, F* a% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;
  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
4 w5 y  m- t& [2 r8 L0 0 0 0 0 0.2 0.5 0.8;
0 b0 h8 K# V+ h5 W5 b" v) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
8 I3 U8 Q; r" {3 r! @/ S6 |; C2 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# B: K) X+ M/ `" C* x0 0 0 0.2 0.6 1 0.6 0.2;
- I; l3 B  J& i% w8 S. a( L" Z4 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
( {* E& O- g7 n0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
3 m% N7 z  V0 r1 b( |. }0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
0 y$ T- r% G; X- Q! r. c0 0 0 0 0 0.2 0.5 0.8;
+ j0 k9 n$ C1 k3 h2 m! [; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
; v) I3 T5 L$ d1 [( 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
2 \; A1 Q: n% s. S+ Q%中间层神经元的传递函数为'tansig'
4 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
& M/ k, ]" _1 \0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V
( G/ G) }: z: p# Y%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
8 e; _$ D' S  X0 o2 Y9 }%训练目标误差为0.001
  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
net.trainParam.goal=0.001;
! M; P3 t1 H2 w# ~+ U0 n% b; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
# P  U( e- F; E8 L# d( i- h) UY=sim(net,P);
: ]' 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
. a8 G" W$ `/ e8 U5 _5 |: c8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
, g) _4 ^+ ?. R, S% J5 o( Z9 A; [  n* ^* P% e