目录
- 1.原理与思路
- 2.设计与实现
- 3.结果预测
- 4.代码获取
1.原理与思路
- 【智能算法应用】智能算法优化BP神经网络思路
- 【智能算法】粒子群算法（PSO）原理及实现
2.设计与实现
数据集：
多输入多输出：样本特征24，标签类别4。
求解问题维度：
dim = inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ; % 维度
适应度函数：
f
i
t
n
e
s
s
=
a
r
g
m
i
n
(
m
s
e
(
T
t
r
a
i
n
e
r
r
)
+
m
e
s
(
T
t
e
s
t
e
r
r
)
)
fitness=argmin(mse(T_{train}err)+mes(T_{test}err))
fitness=argmin(mse(Ttrainerr)+mes(Ttesterr))
部分代码如下：
pop = 50; %种群数量
maxIter = 20; %最大迭代数
dim = inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum; %维数
ub = ones(1,dim); %变量上边界
lb = -ones(1,dim); %变量下边界
fobj = @(x) fun(x); %目标函数
vmax = 2*ones(1,dim);
vmin = -2*ones(1,dim);
[Best_pos,Best_fitness ,Iter_curve,~,~] = F_solve(pop, maxIter,ub,lb,dim,fobj); %求解
程序结构：
3.结果预测
4.代码获取
代码传送门
