【GRNN分类】遗传算法优化广义神经网络GA-GRNN超参数分类【含Matlab源码 1399期】.zip

function [bestchrom,trace]=gaforgrnn(P_train,T_train,P_test,T_test) %% 遗传算法参数初始化 maxgen=100; %进化代数，即迭代次数 sizepop=10; %种群规模 pcross=0.5; %交叉概率选择，0和1之间 pmutation=0.5; %变异概率选择，0和1之间 %% numsum=1; lenchrom=ones(1,numsum); bound=[zeros(numsum,1) 1*ones(numsum,1)]; %spread的寻优范围[0 1] %------------------------------------------------------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 %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,P_train,T_train,P_test,T_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,P_train,T_train,P_test,T_test); end %找到最小和最大适应度的染色体及它们在种群中的位置 [newbestfitness,newbestindex]=max(individuals.fitness); [worestfitness,worestindex]=min(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(worestindex,:)=bestchrom; individuals.fitness(worestindex)=bestfitness; trace(i)=bestfitness ;%记录每一代进化中最好的适应度 end