【预测模型-ElM分类】基于遗传算法优化ElM神经网络实现数据分类附matlab代码.zip

function [bestchrom ,trace]=gaforelm(SG,inputnum,hiddennum,inputn_train,label_train,inputn_test,label_test) %% 遗传算法参数初始化 maxgen=100; %进化代数，即迭代次数 sizepop=20; %染色体数量规模/对应粒子群中的种群 pcross=[0.7]; %交叉概率选择，0和1之间 pmutation=[0.05]; %变异概率选择，0和1之间 %节点总数 numsum=inputnum*hiddennum+hiddennum; lenchrom=ones(1,numsum); bound=[-1*ones(numsum,1) 1*ones(numsum,1)]; %数据范围 %------------------------------------------------------种群初始化------------------------------%------------------ individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体 bestfitness=[]; %每一代种群的最佳适应度 bestchrom=[]; %适应度最好的染色体 trace=0; %初始化种群 for i=1:sizepop %随机产生一个种群 individuals.chrom(i,:)=Code(lenchrom,bound); %编码 x=individuals.chrom(i,:); %计算适应度 individuals.fitness(i)=fun(x,inputnum,hiddennum,inputn_train,label_train,inputn_test,label_test); %染色体的适应度 end %找最好的染色体 [bestfitness, bestindex]=max(individuals.fitness); bestchrom=individuals.chrom(bestindex,:); %最好的染色体 %% 迭代求解最佳初始阀值和权值 % 进化开始 for i=1:maxgen i %选择 individuals=select(individuals,sizepop); %交叉 individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound); %变异 individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound); % 计算适应度 for j=1:sizepop x=individuals.chrom(j,:); %解码 individuals.fitness(j)=fun(x,inputnum,hiddennum,inputn_train,label_train,inputn_test,label_test); end %找到最优适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=max(individuals.fitness); % 代替上一次进化中最好的染色体 if bestfitness<newbestfitness bestfitness=newbestfitness; bestchrom=individuals.chrom(newbestindex,:); end individuals.chrom(bestindex,:)=bestchrom; individuals.fitness(bestindex)=bestfitness; trace(i)=bestfitness ;%记录每一代进化中最好的适应度和平均适应度 % %% %%%%%% 爬山%%%%%%%%%%% % center_fit=bestfitness;%以当前最好染色体对应的适应度值 % center=bestchrom; % subpop=subpop_generate(center,center_fit,SG,inputnum,hiddennum,inputn_train,label_train,inputn_test,label_test); % % 将染色体以及对应的适应度存在subpop中 % if max(subpop(2:end,end))<subpop(1,end)%以当前最好种群为爬山中心，在其周围寻找SG个点，如果有更优值则更新值最优，如果没有，则跳出循环 % break; % else % 找出爬山中心附近这SG点中最好的1个 % [I,J]=max(subpop(:,2:end)); % newbestchrom=subpop(J,1:end-1); % newbestfit=I; % end % %%%%%%%%%%%% 重新更新一次%%%%%%%%%%%%%% % % 代替上一次进化中最好的染色体 % if bestfitness<newbestfit % bestfitness=newbestfit; % bestchrom=newbestchrom; % end % trace(i)=bestfitness ;%记录每一代进化中最好的适应度和平均适应度 end end%出售各类算法优化深度极限学习机代码392503054