&& 查看话题
遗传算法优化BP神经网络
哪位大虾会编写遗传算法优化神经网络的代码啊？俺碰到一难题，怎样都解决不了。
BP网络还按常规的编，遗传算法加进来优化权值、阈值。 : Originally posted by jswoo at
BP网络还按常规的编，遗传算法加进来优化权值、阈值。 谢谢啊，我也找到了这种例子，BP部分我也会编，但是一到遗传算法这部分就会出现错误，您能帮我分析错误原因吗？ 把程序注释好，贴上来给大家看看。 : Originally posted by jswoo at
把程序注释好，贴上来给大家看看。 好的，我把程序以及问题写清楚。 BP部分：输入为
输出为T=';
测试样本为P_test=';
再加上threshold=;
inputnum=size(P,1);& && & % 输入层神经元个数
outputnum=size(T,1);& && &% 输出层神经元个数
hiddennum=31;
net=newff(threshold,,{'tansig','logsig'},'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
LP.lr=0.1;
net=train(net,P,T);
y=sim(net,P_test);
此即为完整的BP部分编码。
这部分没有问题。
接下来是遗传算法部分：
w1num=inputnum* % 输入层到隐层的权值个数
w2num=outputnum*% 隐层到输出层的权值个数
N=w1num+hiddennum+w2num+ %待优化的变量的个数
%% 定义遗传算法参数
NIND=40;& && &&&%个体数目
MAXGEN=50;& && &%最大遗传代数
PRECI=10;& && & %变量的二进制位数
GGAP=0.95;& && &%代沟
px=0.7;& && && &%交叉概率
pm=0.01;& && &&&%变异概率
trace=zeros(N+1,MAXGEN);& && && && && && && && &%寻优结果的初始值
FieldD=,1,N);repmat(,1,N)];& && && && && && && & %区域描述器
Chrom=crtbp(NIND,PRECI*N);& && && && && && && & %初始种群
gen=0;& && && && && && && && && && && &%代计数器
X=bs2rv(Chrom,FieldD);& && && && && &&&%计算初始种群的十进制转换
ObjV=objfun(X,P,T,hiddennum,P_test,T_test);& && &&&%计算目标函数值
while gen<MAXGEN
& &fprintf('%d\n',gen)
& &FitnV=ranking(ObjV);& && && && && && && && && && &%分配适应度值
& &selch=select('sus',Chrom,FitnV,GGAP);& && && && &&&%选择
& &selch=recombin('xovsp',selch,px);& && && && && && &%重组
& &selch=mut(selch,pm);& && && && && && && && && && & %变异
& &X=bs2rv(SelCh,FieldD);& && && && && &%子代个体的十进制转换
& &ObjVSel=objfun(X,P,T,hiddennum,P_test,T_test);& && && && & %计算子代的目标函数值
& &=reins(Chrom,selch,1,1,ObjV,ObjVSel); %重插入子代到父代，得到新种群
& &X=bs2rv(Chrom,FieldD);
& &gen=gen+1;& && && && && && && && && && && && && && && &%代计数器增加
& &%获取每代的最优解及其序号，Y为最优解,I为个体的序号
& &=min(ObjV);
& &trace(1:N,gen)=X(I,:);& && && && && && && &&&%记下每代的最优值
& &trace(end,gen)=Y;& && && && && && && && && && & %记下每代的最优值
figure(1);
plot(1:MAXGEN,trace(end,:));
xlabel('遗传代数')
ylabel('误差的变化')
title('进化过程')
bestX=trace(1:end-1,end);
bestErr=trace(end,end);
代码到此为止。
运行后会出现：??? Error using ==> objfun
Too many input arguments.
bjfun函数为function Obj=objfun(X,P,T,hiddennum,P_test,T_test)
%% 用来分别求解种群中各个个体的目标值
% X：所有个体的初始权值和阈值
% P：训练样本输入
% T：训练样本输出
% hiddennum：隐含层神经元数
% P_test:测试样本输入
% T_test:测试样本期望输出
% Obj：所有个体的预测样本的预测误差的范数
Obj=zeros(M,1);
& & Obj(i)=Bpfun(X(i,:),P,T,hiddennum,P_test,T_test);
已经拷到sheffield文件夹里，并加载到路径里去了。 准备好给哥 100个金币吧:D:D:D:D:D 你程序中又不少小错误，符号乱得很，看了个把小时。
基本可以用了
T=';&&% 输出
P_test='; % 测试样本
threshold=;
inputnum=size(P,1);& && & % 输入层神经元个数
outputnum=size(T,1);& && &% 输出层神经元个数
hiddennum=31;
net=newff(threshold,,{'tansig','logsig'},'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
LP.lr=0.1;
net=train(net,P,T);
y=sim(net,P_test);
w1num=inputnum* % 输入层到隐层的权值个数
w2num=outputnum*% 隐层到输出层的权值个数
N=w1num+hiddennum+w2num+ %待优化的变量的个数
%% 定义遗传算法参数
NIND=40;& && &&&%个体数目
MAXGEN=50;& && &%最大遗传代数
PRECI=10;& && & %变量的二进制位数
GGAP=0.95;& && &%代沟
px=0.7;& && && &%交叉概率
pm=0.01;& && &&&%变异概率
trace=zeros(N+1,MAXGEN);& && && && && && && && &%寻优结果的初始值
FieldD=,1,N);repmat(,1,N)];& && && && && && && & %区域描述器
Chrom=crtbp(NIND,PRECI*N);& &&&
X=bs2rv(Chrom,FieldD);& && && && && &&&%计算初始种群的十进制转换
gen=1;& && && && && && && && && && && &%代计数器
ObjV=objfun(X,P,T,hiddennum,P_test,T_test);& && &&&%计算目标函数值
while gen<MAXGEN
& & fprintf('%d\n',gen)
& & FitnV=ranking(ObjV);& && && && && && && && && && &%分配适应度值
& & selch=select('sus',Chrom,FitnV,GGAP);& && && && &&&%选择
& & selch=recombin('xovsp',selch,px);& && && && && && &%重组
& & selch=mut(selch,pm);& && && && && && && && && && & %变异
& & X=bs2rv(selch,FieldD);& && && && && &%子代个体的十进制转换
& & ObjVSel=objfun(X,P,T,hiddennum,P_test,T_test);& && && && & %计算子代的目标函数值
& & =reins(Chrom,selch,1,1,ObjV,ObjVSel); %重插入子代到父代，得到新种群
& & X=bs2rv(Chrom,FieldD);
& & gen=gen+1;& && && && && && && && && && && && && && && &%代计数器增加
& & %获取每代的最优解及其序号，Y为最优解,I为个体的序号
& & =min(ObjV);
& & trace(1:N,gen)=X(I,:);& && && && && && && &&&%记下每代的最优值
& & trace(end,gen)=Y;& && && && && && && && && && & %记下每代的最优值
figure(1);
plot(1:MAXGEN,trace(end,:));
xlabel('遗传代数')
ylabel('误差的变化')
title('进化过程')
bestX=trace(1:end-1,end);
bestErr=trace(end,end);
%%。。。。。。。。。。。。。。。
%% 把 Bpfun 保存成单独的 M 文件
%%。。。。。。。。。。。。。。。
function err=Bpfun(x,P,T,hiddennum,P_test,T_test)
%% 训练&测试BP网络
inputnum=size(P,1);& && &
outputnum=size(T,1);& && &
net=newff(minmax(P),,{'tansig','logsig'},'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
LP.lr=0.1;
net.trainParam.show=NaN;
w1num=inputnum*
w2num=outputnum*
w1=x(1:w1num);& &
B1=x(w1num+1:w1num+hiddennum);&&
w2=x(w1num+hiddennum+1:w1num+hiddennum+w2num);
B2=x(w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum);
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=reshape(B2,outputnum,1);
net=train(net,P,T);
Y=sim(net,P_test);
err=norm(Y-T_test); : Originally posted by jswoo at
准备好给哥 100个金币吧:D:D:D:D:D 没问题，给200个都行。攒着这么多金币关键时刻能派上用场就行。 :)这个笑脸论坛有问题应该是“: )”符号 : Originally posted by jswoo at
:)这个笑脸论坛有问题应该是“: )”符号 BPfun这个函数需要通过set path加载到sheffield文件夹里吗？ : Originally posted by groove7887 at
BPfun这个函数需要通过set path加载到sheffield文件夹里吗？ 把那个函数令存为一个M文件，函数名用BPfun
这都是MATLAB基本的东西。 : Originally posted by jswoo at
把那个函数令存为一个M文件，函数名用BPfun
这都是MATLAB基本的东西。 保存后放在哪呢？放在D盘my documents下吗？ 看你MATLAB 运行目录，
比如我的在D:\My Documents\MATLAB
就把 M 文件放里边。
到时候运行主函数就行 : Originally posted by jswoo at
看你MATLAB 运行目录，
比如我的在D:\My Documents\MATLAB
就把 M 文件放里边。
到时候运行主函数就行 兄弟，十分谢谢你花这么多时间帮我解决问题。 客气，你能调试出来用就行了。
用用就熟练了。
祝你写作顺利。 : Originally posted by jswoo at
你程序中又不少小错误，符号乱得很，看了个把小时。
基本可以用了
T=';&&% 输出
P_test='; % 测试样本
threshold=;
inputnum=size(P,1);& && & % 输入层神经元个数
outputnum= ... 为什么我还是运行不出来？ 我把Bpfun和Objfun分别存成M文件，然后运行遗传算法主函数，可是运行结果总是出不来，
显示：Error in ==> Objfun at 5
& & Obj(i)=Bpfun(X(i,:),P,T,hiddennum,P_test,T_test);
Error in ==> Untitled at 31
ObjV=Objfun(X,P,T,hiddennum,P_test,T_test);%计算目标函数值 用这个模型能不能进行居住小区人居环境评价呢？本人 是初学者，望相助。 怎么还用保存M文件呢？不是直接运行吗?&&源码搜搜[中文]，大家一起找最好的开源代码。
&&请提交您认为需要收录的源码网站。
遗传算法 bp神经网络遗传算法与BP神经网络工具包 收录时间： 资源分类：Matlab 工具：MATLAB 7.6 (R2008a) 遗传算法+BP神经网络工具包，可直接复制到matlab里面使用。 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，标签：&评论：1条
wnn.rar - 利用遗传算法优化BP神经网络 即用遗传算法代替BP网络中的训练函数-The use of genetic algorithm to optimize BP neural network using genetic algorithms in place of BP network training function标签：matlab, AI-NN-PR&评论：0条
multi-ga.rar - 自己编的遗传算法同BP神经网络结合的代码！并且在神经网络模型上进行多目标寻优，结果有doc文档详细说明！实现BP-GA多目标优化应用实例！-Own genetic algorithm withmulti-ga.rar - 自己编的遗传算法同BP神经网络结合的代码！并且在神经网络模型上进行多目标寻优，结果有doc文档详细说明！实现BP-GA多目标优化应用实例！标签：matlab, AI-NN-PR&评论：0条
GA-bp.rar - 这是用matlab编写的用遗传算法优化神经网络的程序-using Matlab is prepared by using genetic algorithm optimization procedures for neural networks标签：matlab, AI-NN-PR&评论：0条
说明：用遗传算法优化bp神经网络权值系数.matlab 编程实现.标签：matlab&评论：0条
Matlab遗传算法优化的BP网络种群分类程序 收录时间： 资源分类：Matlab 遗传神经网络的Matlab代码。用遗传算法优化的BP网络进行值预测。通过迭代在种群中找最好的染色体并训练。标签：&评论：3条
说明：遗传算法优化BP神经网络的权值和阈值，进行预测标签：matlab&评论：0条
simplegeneticalgorit - 基于Matlab的简单遗传算法和简单bp网络的程序实现-based on Matlab simple genetic algorithms and simple bp Network Program标签：matlab, AI-NN-PR&评论：0条
说明：遗传算法优化bp神经网络 matlab程序标签：matlab&评论：0条
说明：这个是一个用matlab程序编写的，关于遗传算法和BP神经网络结合的程序，比较经典的标签：matlab&评论：0条
work.rar - 基于遗传算法和bp网络的简单人脸识别，只能识别三种表情。图像经过简单的小波变换处理-Bp networks based on genetic algorithm and a simple face recognition,标签：matlab, AI-NN-PR&评论：0条
bpycsf.rar - 关于简单遗传算法和简单bp网络的程序,其中的矩阵相乘速度很快，而且比较容易扩展，即任意多的输入，任意多的隐含层-on simple genetic algorithms and simple bp network procedures, which the matrix multiply very fast,标签：matlab, 其他项目&评论：0条
yichuansuanfa.rar - matlab 遗传算法 和bp网络的程序标签：matlab&评论：0条
Mybp539.rar - bp神经网络，实现bp神经网络的分类，用matlab语言编写-bp neural network, the realization of bp neural network classification, using matlab language标签：matlab, Others&评论：1条
2ndn.zip - 关于bp神经网络的源程序，对研究bp神经网络非常有帮助-bp on neural network source, the study bp neural network has been very helpful标签：matlab&评论：0条
说明：遗传算法程序包，包括用GA直接训练BP网络的权重算法，用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法，以及纯BP算法标签：matlab&评论：0条
oev.rar - 人工神经网络bp算法的matlab实现，对bp算法的matlab实现进行了简要的试探-realizing bp arithmetic of neural networks by matlab and exploring it simply标签：matlab, AI-NN-PR&评论：0条
说明：bp神经网络源码, NEWFF---生成一个新的前向神经网络
TRAIN-----对BP神经网络进行训练
SIM----对BP神经网络进行仿真
标签：matlab&评论：0条
说明：标准BP神经网络算法程序：动量BP算法程序：％ 调用 TRAINGDX 算法训练 BP 网络
粒子群优化神经网络源程序标签：matlab&评论：0条
BP.rar - bp神经网络的源程序，很实用，很不错的！-bp neural network source code, very practical, very good!标签：matlab&评论：0条
CopyRight (&)
All Rights Reserved&遗传算法是如何与BP神经网络结合起来解决生产中的实际问题的（MATLAB）_百度知道
遗传算法是如何与BP神经网络结合起来解决生产中的实际问题的（MATLAB）
传算法和模拟退火算法分别是如何与BP网络结合起来解决生产实际问题的呀！！？？最好有MATLAB源程序例子说明一下？
遗传算法是如何优化BP神经网络权重来解决实际问题？？？求一个这样的MATLAB程序并与没有用遗传算法优化权重的进行比较
我有更好的答案
//www.smte以前上学的时候用过不错的软件就是太复杂了。 http.net/Get/TECH//
你指的是利用GA来优化网络输出权重还是什么？去Matlab中文论坛看看吧
这个应该不难
先自学一下遗传算法和模拟退火法，然后在考虑如何与BP结合起来的，试一下吧！
其他类似问题
为您推荐：
您可能关注的推广
bp神经网络的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁用遗传算法优化BP神经网络的Matlab编程实例_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
用遗传算法优化BP神经网络的Matlab编程实例
关&#8203;于&#8203;m&#8203;a&#8203;t&#8203;l&#8203;a&#8203;b&#8203;环&#8203;境&#8203;下&#8203;遗&#8203;传&#8203;算&#8203;法&#8203;的&#8203;实&#8203;现&#8203;的&#8203;资&#8203;料&#8203;。&#8203;很&#8203;多&#8203;东&#8203;西&#8203;不&#8203;好&#8203;找&#8203;,&#8203;我&#8203;机&#8203;器&#8203;里&#8203;面&#8203;正&#8203;好&#8203;有&#8203;,&#8203;就&#8203;给&#8203;传&#8203;上&#8203;来&#8203;了&#8203;。
阅读已结束，如果下载本文需要使用
想免费下载本文？
你可能喜欢您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于遗传算法的BP神经网络在多目标药物优化分析中的应用.pdf57页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：100 &&
基于遗传算法的BP神经网络在多目标药物优化分析中的应用.pdf
你可能关注的文档：
··········
··········
山西医科大学 硕士学位论文
基于遗传算法的BP神经网络在多目标药物优化分析中的应用 姓名：韩荣荣 申请学位级别：硕士 专业：流行病与卫生统计 指导教师：仇丽霞
山西医科大学硕士学位论文 基于遗传算法的 BP 神经网络在多目标 药物优化分析中的应用 中文摘要 在药学研究领域中存在着许多多因素、多水平的复杂优化问题。例如药物有效成分最
优提取条件确定、药物制备工艺条件的拟定等，由于影响的因素通常不止一个，所以设计
的方案也是多因素的，目前较常用的有正交设计、均匀设计等，然后再用多元回归来拟合
这些实验所得的数据
连续型数据 ，但是药学研究中得到的数据非常复杂并且试验数据有
限，这在多元回归建模过程中常存在一些问题。在优化过程中通常采用的是线性或非线性
规划，目前常用的是将多个目标加权转化为单目标进行优化，这样存在着较大的主观性，
并且加权系数无法确定。往往是在某一个目标上最优，而在另一个目标上可能是差的，不
能保证所有的目标都存在最优解，且只能提供唯一解，这是药学研究中一直备受关注的问
题。 近年来人工神经网络以其独特的模拟、学习、分类能力，在制剂设计、构效关系、体
内外相关研究、药物动力学和临床药学等方面得到了广泛的应用。它具有非线性能力强，
具有自组织、自适应、自学习能力，高度容错性和稳健性等特点，是药学研究中数据建模
的有力工具。在对多目标寻优方法中，遗传算法表现出了极大的优势，尤其是 NSGA 和
NSGA- Ⅱ算法是比较明显的。 本课题在介绍 BP
神经网络和非劣分类遗传算法的基础上，把这两种方法结合起来，
神经网络对药物提取数据
正在加载中，请稍后...