ga_bp.m

基于gaot工具箱优化BP以实现数据拟合。在nninit.m中修改数据存储的路径以及隐含层节点数的设置（S1）

clc;
clear;
nntwarn off
tic, %开始计时
% 首先进行遗传算法
[input,output,R,S1,S2,S]=nninit;   %初始化
%创建网络
net=newff(minmax(input),[S1,S2],{'tansig','logsig'},'trainlm');

%遗传算法对网络进行优化
aa=ones(S,1)*[-1,1];
popu=20;   %种群规模
initPpp=initializega(popu,aa,'gabpEval');    %初始化种群
gen=100;     %遗传代数
%调用gaot工具箱，其中目标函数定义为gabpEval
[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-6 1 1],'maxGenTerm',gen,...
  'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2 gen 3]);
% 
%下面将初步得到的权值矩阵赋给尚未开始训练的BP网络
[W1,B1,W2,B2,input,output,A1,A2,SE,val]=gadecod(x);
net.iw{1,1}=W1;
net.lw{2,1}=W2;
net.b{1,1}=B1;
net.b{2,1}=B2;
% 
%设置训练参数
net.trainParam.show=500;
net.trainParam.lr=0.05;
net.trainParam.mc=0.95;
net.trainParam.epochs=2000;
net.trainParam.goal=0.001;

[net,tr]=train(net,input,output);    %训练网络
result=sim(net,input);             %对BP网络进行仿真
t=toc