bppathnew.m

前向链路的信道路径仿真 为通信事业做出点小小事情

function main()
InDim=2;    %样本输入维数
OutDim=3;   %样本输出维数



SamNum=200;                     %训练样本数
rand('state',sum(100*clock))
SamIn=(rand(2,SamNum))*3;   %产生随机样本输入
%根据目标函数获得训练样本输入输出，并绘制样本
SamOut=[];
for i=1:SamNum
    Sam=SamIn(:,i);
    x=Sam(1,1);
    y=Sam(2,1);
        if((x>0.9)&(x<1.9)&(y>1.4)&(y<2.1))==1
           % plot(x,y,'k+')
            class=[0 1 0]';
        elseif((x>0.9)&(x<2.6)&(y>0.4)&(y<1.1))==1
            %plot(x,y,'ks')
            class=[0 0 1]';
        else
           % plot(x,y,'ko')
            class=[1 0 0]';
        end
       SamOut=[SamOut class];
end

HiddenUnitNum=10;   %隐节点数
MaxEpochs=10000;    %最大训练次数
lr=0.1;             %学习率
E0=0.01;            %目标误差

W1=0.2*rand(HiddenUnitNum,InDim)-0.1;   %输入层到隐层的初始权值
B1=0.2*rand(HiddenUnitNum,1)-0.1;       %隐节点初始偏移
W2=0.2*rand(OutDim,HiddenUnitNum)-0.1;  %隐层到输出层的初始权值
B2=0.2*rand(OutDim,1)-0.1;              %输出层初始偏移 

W1Ex=[W1 B1];   %输入层到隐层的初始权值扩展
W2Ex=[W2 B2];   %隐层到输出层的初始权值扩展

SamInEx=[SamIn' ones(SamNum,1)]';%样本输入扩展
ErrHistory=[];                   %用于记录每次权值调整后的训练误差
for i=1:MaxEpochs
    %正向传播计算网络输出
    HiddenOut=logsig(W1Ex*SamInEx);
    HiddenOutEx=[HiddenOut' ones(SamNum,1)]';
    NetworkOut=logsig(W2Ex*HiddenOutEx);
    %停止学习判断
    Error=SamOut-NetworkOut;
    SSE=sumsqr(Error)
    %记录每次权值调整后的训练误差
    ErrHistory=[ErrHistory SSE];
    
    if SSE<E0, break, end
    %计算反向传播误差
    Delta2=Error.*NetworkOut.*(1-NetworkOut);
    Delta1=W2'*Delta2.*HiddenOut.*(1-HiddenOut);
    %计算权值调节量
    dW2Ex=Delta2*HiddenOutEx';
    dW1Ex=Delta1*SamInEx';
    %权值调节
    W1Ex=W1Ex+lr*dW1Ex;
    W2Ex=W2Ex+lr*dW2Ex;
    %分离隐层到输出层的权值，以便后面使用
    W2=W2Ex(:,1:HiddenUnitNum);
end

W1=W1Ex(:,1:InDim);
B1=W1Ex(:,InDim+1);
W2=W2Ex(:,1:HiddenUnitNum);
B2=W2Ex(:,1+HiddenUnitNum);
%绘制学习误差曲线
%figure
%hold on
%grid
%[xx,Num]=size(ErrHistory);
%plot(1:Num,ErrHistory,'k-');
%产生初始群体n=10
X=[0:0.1:3];
Y=X;
%运用遗传算法寻找最优规划路径
GADimNum=31;                            %个体维数
l=1; %记录第i个个体
Min=0;%记录适应函数最大最小值
Max=0;
MaxEvoNum=150;
SS=[];
JCh=[];


    GASamIn=cat(1,X,Y);
    TestHiddenOut=logsig(W1*GASamIn+repmat(B1,1,GADimNum));
    TestNetworkOut=logsig(W2*TestHiddenOut+repmat(B2,1,GADimNum));
    [Val,NNClass]=max(TestNetworkOut);
for j=1:31
    TestTargetOut=[];
    for i=1:10
    Sam=GASamIn(:,j);
    x=Sam(1,1);
    y=Sam(2,1);
       if((x>0.5)&(x<1.5)&(y>1.5)&(y<2))==1
           Y(j)=Y(j)-0.1
            TestTargetOut=[TestTargetOut 2]
       elseif((x>1)&(x<2.5)&(y>0.5)&(y<1))==1
           Y(j)=Y(j)+0.1
            TestTargetOut=[TestTargetOut 3];
       else
          break;
           
       end
    end
end        
 
figure
colordef(gcf,'white')
echo off
clc
axis([0,3,0,3])
axis on
xlabel('Input x');
ylabel('Input y');
line([1 1.6],[2 2])
line([1.6 1.6],[1.5 2])
line([1 1.6],[1.5 1.5])
line([1 1],[1.5 2])
line([1 2.5],[1 1])
line([2.5 2.5],[0.5 1])
line([1 2.5],[0.5 0.5])
line([1 1],[0.5 1])
hold on
plot(X,Y,'-r');