程序运行说明:
1、先运行bp.m 用BP网络得到初始极值,再运行Genetic.m进行极值寻优。
2、应用扩展。实验数据保存在testdata.xlsx中,第1-4列分别为
添加物1/KG 温度/度 添加物2/KG 时间/s
第5列为产量/KG.
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
对于未知的非线性函数,仅仅通过函数的输入和输出数据难以寻找函数极值,这一类问题可以通过神经网络结合遗传算法求解,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优将训练后的BP神经网络预测结果作为个体适应度值,通过选择、交叉、变异操作寻找函数的全局最优值及对应输入值。 确定BP神经网络的模型结构为2-5-1,取函数的4000组输入输出数据,从中随机选择3500组数据训练神经网络,100组数据测试神经网络性能,网络训练好后用于预测非线性函数输出。 遗传算法中个体采用实数编码,由于寻优函数只有两个输入参数,所以个体长度为2。个体适应度值为BP神经网络预测值,适应度值越小,个体越优。设置交叉概率为0.4,变异概率为0.2。 神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输出数据训练BP网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优把训练后的BP神
资源推荐
资源详情
资源评论
收起资源包目录
神经网络遗传算法非线性函数极值寻优.zip (18个子文件)
神经网络遗传算法非线性函数极值寻优
表19-1.JPG 92KB
程序运行说明.txt 204B
图19-2 BP预测输出.JPG 67KB
图19-3 BP预测误差.JPG 62KB
Select.m 823B
data.m 135B
net.mat 535B
图19-4.JPG 29KB
Code.m 420B
Genetic.m 3KB
BP.m 1KB
Cross.m 2KB
test.m 278B
fun.m 326B
data1.mat 90KB
data.mat 91KB
Mutation.m 2KB
testdata.xlsx 8KB
共 18 条
- 1
资源评论
nwsuaf_huasir
- 粉丝: 4058
- 资源: 49
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功