8-改进的GA算法优化的BP神经网络（GA_BP机场延误预测+带验证数据的GA_BP）

Halcom

百度网盘链接：
8-改进的GA算法优化的BP神经网络（GA_BP机场延误预测+带验证数据的GA_BP）--MATLAB视频

参考链接：
遗传算法GA优化的BP神经网络
7-改进的GA算法优化的BP神经网络+寻找最优条件

具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

改进点：
（1）将第一次运行的种群结果保存，作为第二次运行的初始解；
（2）将样本分为70%训练样本，15%验证样本，15%的测试样本；
（3）将训练样本训练网络，用验证样本进行测试网络，测试均方根误差作为适应度值；
（4）增强GA算法个体多样性，GA选择算子进行全选；
（5）实例精讲机场延误预测+带验证数据的GA_BP

1. function error = fun3(x,inputnum,hiddennum,outputnum,net,inputn,outputn,inputn_verify,output_verify)
   
2. %该函数用来计算适应度值
   
3. % 输入：
   
4. % x          input     个体
   
5. % inputnum   input     输入层节点数
   
6. % outputnum  input     隐含层节点数
   
7. % net        input     网络
   
8. % inputn     input     训练输入数据
   
9. % outputn    input     训练输出数据
   
10. % inputn_verify   input     验证输入数据
    
11. % output_verify   input     验证输出数据
    
12. % 输出：
    
13. % error      output    个体适应度值=验证数据的预测误差
    
14. 
    
15. %提取
    
16. w1=x(1:inputnum*hiddennum);
    
17. B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
    
18. w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
    
19. B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
    
20. % net=newff(inputn,outputn,hiddennum);
    
21. 
    
22. % 网络进化参数
    
23. % net.trainParam.epochs=50;
    
24. % net.trainParam.lr=0.01;
    
25. % net.trainParam.goal=0.0001;
    
26. % net.trainParam.show=100;
    
27. % net.trainParam.showWindow=0;
    
28. % net.trainParam.max_fail=20;
    
29. 
    
30. % 网络权值赋值
    
31. net.iw{1,1}=reshape(w1,hiddennum,inputnum);
    
32. net.lw{2,1}=reshape(w2,outputnum,hiddennum);
    
33. net.b{1}=reshape(B1,hiddennum,1);
    
34. net.b{2}=reshape(B2,outputnum,1);
    
35. % 网络训练
    
36. net=train(net,inputn,outputn);
    
37. an=sim(net,inputn_verify);
    
38. error=sum(sum(abs(an-output_verify)));
    
39. % an=sim(net,inputn);
    
40. % error=sum(sum(abs(an-outputn)));

复制代码