GA-BP神经网络模型预测的MATLAB程序问题

Matlab神经网络工具箱提供了一系列用于建立和训练bp神经网络模型的函数命令，很难一时讲全。下面仅以一个例子列举部分函数的部分用法。更多的函数和用法请仔细查阅Neural Network Toolbox的帮助文档。 例子：利用bp神经网络模型建立z=sin(x+y)的模雀谈型型并检验效果 %第1步。随机生成200个采样点用于训练 x=unifrnd(-5,5,1,200) y=unifrnd(-5,5,1,200) z=sin(x+y) %第2步。建立神经网络模型。其中参数一是输入数据的范围，参数二顷猜是各层神经元数量，参数三是各层传递函数类型。 N=newff([-5 5-5 5],[5,5,1],{'tansig','tansig','purelin'}) %第3步。训练。这里用批训练函数train。也可用adapt函数进行增长训练侍枝。 N=train(N,[xy],z) %第4步。检验训练成果。 [X,Y]=meshgrid(linspace(-5,5)) Z=sim(N,[X(:),Y(:)]') figure mesh(X,Y,reshape(Z,100,100)) hold on plot3(x,y,z,'.')

原理大概是，设置一个初始种群，种群里的个体就是平滑因子，经过遗传算法的选择、交叉、变异后，逐渐找到一个最佳的spread，即为最终结果。

附件是一个GA-BP算法的程序，虽然不同，但是原理是相近的，可以参考。

遗传算法的基本运算过程如下：

a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

b)个体评价：计算群体P(t)中各个个体的适应度。

c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择 *** 作是建立在群体中个体的适应度评估基础上的。

d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。

e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。

f)终止条件判桥肆断:若t=T,则以进化过程戚消梁中所得到的具有最大适应度个高运体作为最优解输出，终止计算。

试运握李行题主的程序，提示错误升皮运：未定义函数或变量 'initializega'，其原因是缺initializega.m文件。因为initializega（）吵梁是自定义函数，所以可以在网上找一找，或向编写者求助。

---