2樓: Originally posted by nono2009 at 2012-05-07 20:06:13:
同樣的條件每次優(yōu)化的結(jié)果都一樣，這不很正常嗎？
樓主能否將問題描述得更具體清楚一些？

input_train=[500 11 0.4 0.22 600;500 11 0.6 0.22 600;500 11 0.8 0.22 600;400 13 0.4 0.16 550;
    400 13 0.4 0.18 550;400 13 0.4 0.2 550;600 11 0.4 0.18 500;600 12 0.4 0.18 500;
    600 13 0.4 0.18 500;350 11 1.2 0.2 500;400 11 1.2 0.2 500;500 11 1.2 0.2 500;
    400 11 0.6 0.18 450;400 11 0.6 0.18 500;400 11 0.6 0.18 550;350 10 0.4 0.16 450;
    500 12 0.8 0.2 450;600 13 1.2 0.22 450;400 10 0.8 0.22 500;500 13 0.6 0.16 500;
    350 12 0.6 0.22 550;500 10 1.2 0.18 550;600 11 0.8 0.16 550;350 13 0.8 0.18 600;
    400 12 1.2 0.16 600;600 10 0.6 0.2 600;500 12 0.4 0.16 400;400 8 0.6 0.18 400;
    450 9 0.4 0.16 400;650 14 0.6 0.18 400;500 9 0.8 0.18 400;300 11 0.2 0.14 450;
    450 11 0.6 0.14 450;400 9 1.2 0.16 450;550 14 1.2 0.16 450;650 15 0.6 0.2 450;
    650 14 0.4 0.2 450;500 9 0.4 0.24 450;300 9 0.6 0.14 500;400 9 0.4 0.16 500;
    400 11 0.6 0.18 500;500 11 0.6 0.18 500;450 9 0.8 0.2 500;550 11 0.8 0.2 500;
    650 11 0.6 0.24 500;350 8 0.8 0.16 550;650 9 1.2 0.16 550;500 11 0.2 0.16 550;
    500 12 0.6 0.2 550;650 15 0.8 0.24 550;500 12 0.2 0.16 600;450 8 0.6 0.16 600;
    400 12 0.4 0.18 600;450 11 1.0 0.2 600;400 8 0.8 0.22 600]';
output_train=[0.0828;0.0807;0.0767;0.0624;0.0674;0.0789;0.0744;0.0761;0.0746;0.0697;
    0.0704;0.0722;0.0666;0.0655;0.0685;0.0613;0.0731;0.0800;0.0781;0.0599;
    0.076;0.065;0.0607;0.0627;0.0575;0.0804;0.0627;0.0663;0.068;0.0663;
    0.0668;0.0676;0.0541;0.0591;0.0632;0.0722;0.0779;0.0924;0.0543;0.0688;
    0.0656;0.0664;0.0717;0.0716;0.0882;0.0596;0.0606;0.0996;0.0721;0.0835;
    0.0960;0.0701;0.0712;0.0699;0.0775]';
input_test=[650 14 1.0 0.24 600; 400 12 1.2 0.2 500;400 12 0.6 0.18 450;
   600 13 0.2 0.18 500; 400 8 0.2 0.2 500;450 8 0.6 0.16 600]';
output_test=[0.0823;0.0704;0.0667;0.0969;0.0807;0.0727]';
hiddennum = 11; % 隱層第一層節(jié)點(diǎn)數(shù)
TypeNum = 1;   % 輸出維數(shù)
TF1 = 'logsig';TF2='tansig';TF3 = 'purelin';%各層傳輸函數(shù)，TF3為輸出層傳輸函數(shù)
%數(shù)據(jù)歸一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
net=newff(minmax(input_train),[hiddennum,TypeNum],{TF1 TF3},'trainlm');
net.trainParam.epochs=2000;
net.trainParam.lr=0.01;
net.trainParam.goal=0.001;

%網(wǎng)絡(luò)訓(xùn)練
net=train(net,inputn,outputn);
inputn_test=mapminmax('apply',input_test,inputps);
%網(wǎng)絡(luò)預(yù)測(cè)輸出
an=sim(net,inputn_test);

%網(wǎng)絡(luò)輸出反歸一化
BPoutput=mapminmax('reverse',an,outputps);
save data net inputps outputps

%%%%這是神經(jīng)網(wǎng)絡(luò)代碼，一共5個(gè)變量，我想用GA優(yōu)化工藝參數(shù)

% % 遺傳算法主函數(shù)
%% 初始化遺傳算法參數(shù)
%初始化參數(shù)
maxgen=100;                         %進(jìn)化代數(shù)，即迭代次數(shù)
sizepop=30;                        %種群規(guī)模
pcross=[0.7];                       %交叉概率選擇，0和1之間
pmutation=[0.2];                    %變異概率選擇，0和1之間

lenchrom=[1 1 1 1 1];          %每個(gè)變量的字串長(zhǎng)度，如果是浮點(diǎn)變量，則長(zhǎng)度都為1
bound=[300 650;8 15;0.2 1.2;0.16 0.24;400 600];  %數(shù)據(jù)范圍


individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %將種群信息定義為一個(gè)結(jié)構(gòu)體
avgfitness=[];                      %每一代種群的平均適應(yīng)度
bestfitness=[];                     %每一代種群的最佳適應(yīng)度
bestchrom=[];                       %適應(yīng)度最好的染色體

%% 初始化種群計(jì)算適應(yīng)度值
% 初始化種群
for i=1:sizepop
    %隨機(jī)產(chǎn)生一個(gè)種群
    individuals.chrom(i,:)=code(lenchrom,bound);   
    x=individuals.chrom(i,:);
    %計(jì)算適應(yīng)度
    individuals.fitness(i)=fun(x);   %染色體的適應(yīng)度
end
%找最好的染色體
[bestfitness bestindex]=min(individuals.fitness);
bestchrom=individuals.chrom(bestindex,:);  %最好的染色體
avgfitness=sum(individuals.fitness)/sizepop; %染色體的平均適應(yīng)度
% 記錄每一代進(jìn)化中最好的適應(yīng)度和平均適應(yīng)度
trace=[avgfitness bestfitness];

%% 迭代尋優(yōu)
% 進(jìn)化開始
for i=1:maxgen
      i
    % 選擇
    individuals=select(individuals,sizepop);
    avgfitness=sum(individuals.fitness)/sizepop;
    %交叉
    individuals.chrom=cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
    % 變異
    individuals.chrom=mutation(pmutation,lenchrom,individuals.chrom,sizepop,[i maxgen],bound);
   
    % 計(jì)算適應(yīng)度
    for j=1:sizepop
        x=individuals.chrom(j,:); %解碼
        individuals.fitness(j)=fun(x);   
    end
   
  %找到最小和最大適應(yīng)度的染色體及它們?cè)诜N群中的位置
    [newbestfitness,newbestindex]=min(individuals.fitness);
    [worestfitness,worestindex]=max(individuals.fitness);
    % 代替上一次進(jìn)化中最好的染色體
    if bestfitness>newbestfitness
        bestfitness=newbestfitness;
        bestchrom=individuals.chrom(newbestindex,:);
    end
    individuals.chrom(worestindex,:)=bestchrom;
    individuals.fitness(worestindex)=bestfitness;
   
    avgfitness=sum(individuals.fitness)/sizepop;
   
    trace=[trace;avgfitness bestfitness]; %記錄每一代進(jìn)化中最好的適應(yīng)度和平均適應(yīng)度
end
%進(jìn)化結(jié)束

%% 結(jié)果分析
[r c]=size(trace);
figure(2)
plot([1:r]',trace(:,2),'r-');
title('適應(yīng)度曲線','fontsize',12);
xlabel('進(jìn)化代數(shù)','fontsize',12);
ylabel('適應(yīng)度','fontsize',12);
axis([0,100,0,1])
disp('適應(yīng)度 變量');
x=bestchrom;
% 窗口顯示
disp([bestfitness x]);
%%%%%%%%%%%%%%%%%%%
figure(2)
plot(trace(:,2))