1 简介本文提出了一种遗传算法改进的最小二乘支持向量机数据分类模型。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随 机搜索算法, 能够在搜索过程中自动获取和积累有关搜索空间 的知识, 并自适应地控制搜索过程以求得最优解。 它模拟自然 选择和遗传中发生的复制、交叉和变异等现象, 从任一初始种群 出发, 通过随机选择、交叉和变异操作, 产生一群更适应环境的 个体, 使群体进化到搜索空间中越来越好的区域, 这样一代一代 不断繁衍下去, 最后收敛到一群最适应环境的个体, 求得问题的最优解。2 部分代码clc % 清屏clear all; % 删除workplace变量close all; % 关掉显示图形窗口size30;codel3;minx(1)zeros(1);maxx(1)50*ones(1);minx(2)zeros(1);maxx(2)50*ones(1);minx(3)zeros(1);maxx(3)50*ones(1);kpid(:,1)minx(1)(maxx(1)-minx(1))*rand(size,1);kpid(:,2)minx(2)(maxx(2)-minx(2))*rand(size,1);kpid(:,3)minx(3)(maxx(3)-minx(3))*rand(size,1);G100;BsJ0;for kg1:1:Gtime(kg)kg;for i1:1:sizekpidikpid(i,:);BsJpid_GA(kpidi);BsJi(i)BsJ;end[OderJi,IndexJi]sort(BsJi);BestJ(kg)OderJi(1);BJBestJ(kg);JiBsJi1e-10;fi1./Ji;[Oderfi,Indexfi]sort(fi);BestfiOderfi(size);BestSkpid(Indexfi(size),:);% select and reproduct operationfi_sumsum(fi);fi_size(Oderfi/fi_sum)*size;fi_sfloor(fi_size);rsize-sum(fi_s);Restfi_size-fi_s;[Restvalue,Index]sort(Rest);for isize:-1:size-r1fi_s(Index(i))fi_s(Index(i))1;endk1;for isize:-1:1for j1:1:fi_s(i)TempE(k,:)kpid(Indexfi(i),:);kk1;endend% crossover operationPc0.90;for i1:2:(size-1)temprand;if Pctempalfarand;TempE(i,:)alfa*kpid(i1,:)(1-alfa)*kpid(i,:);TempE(i1,:)alfa*kpid(i,:)(1-alfa)*kpid(i1,:);endendTempE(size,:)BestS;kpidTempE;%Mution operationPm0.1-[1:1:size]*(0.01)/size;Pm_randrand(size,codel);Mean(maxxminx)/2;Dif(maxx-minx);for i1:1:sizefor j1:1:codelif Pm(i)Pm_rand(i,j)TempE(i,j)Mean(j)Dif(j)*(rand-0.5);endendend%guarantee TempE(size,:)belong tu the best individualTempE(size,:)BestS;kpidTempE;endBestfi;BestS;Best_JBestJ(G);figure(1);plot(time,BestJ,LineWidth,3);title(最优个体适应值,fontsize,10);xlabel(迭代次数);ylabel(适应值);grid on3 仿真结果4 参考文献[1]王克奇等. 采用遗传算法优化最小二乘支持向量机参数的方法. 计算机应用与软件 26.7(2009):3.
【预测模型】基于遗传算法优化最小二乘支持向量机实现数据分类matlab代码
1 简介本文提出了一种遗传算法改进的最小二乘支持向量机数据分类模型。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随 机搜索算法, 能够在搜索过程中自动获取和积累有关搜索空间 的知识, 并自适应地控制搜索过程以求得最优解。 它模拟自然 选择和遗传中发生的复制、交叉和变异等现象, 从任一初始种群 出发, 通过随机选择、交叉和变异操作, 产生一群更适应环境的 个体, 使群体进化到搜索空间中越来越好的区域, 这样一代一代 不断繁衍下去, 最后收敛到一群最适应环境的个体, 求得问题的最优解。2 部分代码clc % 清屏clear all; % 删除workplace变量close all; % 关掉显示图形窗口size30;codel3;minx(1)zeros(1);maxx(1)50*ones(1);minx(2)zeros(1);maxx(2)50*ones(1);minx(3)zeros(1);maxx(3)50*ones(1);kpid(:,1)minx(1)(maxx(1)-minx(1))*rand(size,1);kpid(:,2)minx(2)(maxx(2)-minx(2))*rand(size,1);kpid(:,3)minx(3)(maxx(3)-minx(3))*rand(size,1);G100;BsJ0;for kg1:1:Gtime(kg)kg;for i1:1:sizekpidikpid(i,:);BsJpid_GA(kpidi);BsJi(i)BsJ;end[OderJi,IndexJi]sort(BsJi);BestJ(kg)OderJi(1);BJBestJ(kg);JiBsJi1e-10;fi1./Ji;[Oderfi,Indexfi]sort(fi);BestfiOderfi(size);BestSkpid(Indexfi(size),:);% select and reproduct operationfi_sumsum(fi);fi_size(Oderfi/fi_sum)*size;fi_sfloor(fi_size);rsize-sum(fi_s);Restfi_size-fi_s;[Restvalue,Index]sort(Rest);for isize:-1:size-r1fi_s(Index(i))fi_s(Index(i))1;endk1;for isize:-1:1for j1:1:fi_s(i)TempE(k,:)kpid(Indexfi(i),:);kk1;endend% crossover operationPc0.90;for i1:2:(size-1)temprand;if Pctempalfarand;TempE(i,:)alfa*kpid(i1,:)(1-alfa)*kpid(i,:);TempE(i1,:)alfa*kpid(i,:)(1-alfa)*kpid(i1,:);endendTempE(size,:)BestS;kpidTempE;%Mution operationPm0.1-[1:1:size]*(0.01)/size;Pm_randrand(size,codel);Mean(maxxminx)/2;Dif(maxx-minx);for i1:1:sizefor j1:1:codelif Pm(i)Pm_rand(i,j)TempE(i,j)Mean(j)Dif(j)*(rand-0.5);endendend%guarantee TempE(size,:)belong tu the best individualTempE(size,:)BestS;kpidTempE;endBestfi;BestS;Best_JBestJ(G);figure(1);plot(time,BestJ,LineWidth,3);title(最优个体适应值,fontsize,10);xlabel(迭代次数);ylabel(适应值);grid on3 仿真结果4 参考文献[1]王克奇等. 采用遗传算法优化最小二乘支持向量机参数的方法. 计算机应用与软件 26.7(2009):3.
