gadecod.asv

关于遗传算法优化BP网络的 ,感觉没什么用

% 将遗传算法的编码分解为BP网络所对应的权值、阈值

function [W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x)
[P,T,R,S1,S2,QS]=nninit;
% 前R*S1个编码为W1
 for i=1:S1,
    for k=1:R,
      W1(i,k)=x(R*(i-1)+k);
    end
end
% 接着的S1*S2个编码（即第R*S1个后的编码）为W2
for i=1:S2,
   for k=1:S1,
      W2(i,k)=x(S1*(i-1)+k+R*S1);
   end
end
% 接着的S1个编码（即第R*S1+S1*S2个后的编码）为B1
for i=1:S1,
   B1(i,1)=x((R*S1+S1*S2)+i);
end
% 接着的S2个编码（即第R*S1+S1*S2+S1个后的编码）为B2
for i=1:S2,
   B2(i,1)=x((R*S1+S1*S2+S1)+i);
end
B11=zeros(size(B1));
B22=zeros(size(B2));
for i=1:S1
    B11=[B11 B1];
    B22=[B22 B2];
end
% 计算S1与S2层的输出

A1=tansig(W1*P-B11);
A2=purelin(W2*A1-B22);
% 计算误差平方和
SE=sumsqr(T-A2);
val=1/(SE); % 遗传算法的适应值