北京科技大学计算智能实验报告一二.pdf

北京科技大学实验报告北京科技大学实验报告 学院 自动化学院 专业 班级 姓名 学号 实验日期 2018 年 6 月 12 日 实验名称 实验名称 计算智能基础实验一 实验二 实验目的 实验目的 熟悉并掌握前馈型神经网络和遗传算法的原理 作用以及算法流程 使用 matlab 语言编写算法求解实际问题 实验仪器 实验仪器 matlab R2014a 软件 实验原理 实验原理 1 BP 神经网络 神经网络 BP 网络算法是为解决多层前馈网络连接权优化才提出的 是一种无反馈的多层 前馈网络 其网络学习结构如下 常用激励函数 Sigmoid 型函数 1 1 x f x e BP 算法采用非线性规划中的最速下降方法最速下降方法 按照误差函数的负剃度方向修正连 接权 BP 算法的实质就是使误差最小化的求解问题 平方型误差函数如下 2 1 2 jkjk Eyy l 1 层和 l 层的 I O 以及连接权 对应的误差函数 2 1 2 kjkjk Eyy 设 1 l jk kk lll ijjkij l k jk l jk net EE wnetw E O net l 1 层第 j 个神经元的输出即为 l 层神经元的输入 k 为迭代次数 1 lll jkijjk ll jkjk netw O Of net 当节点 j 为输出单元时 l jkjk jkl k jk l jkjk l kkjk Oy y E ynet yyfnet 当节点 j 不为输出单元 隐含单元 时 对于 l 1 层第 m 个单元 可以按照公式 1 lll jkijjk ll jkjk netw O Of net 从 l 1 层 或者输出层 一步步往回推求 有 1 11 ll k jkjk l jk l kkjk l lll jk mkmkjk m E O w yyfnetj wfnetj 神经元 为输出单元时 其中 神经元 为隐含单元时 2 遗传算法 遗传算法 遗传算法 GA 是一种元启发式自然选择的过程 属于进化算法 EA 大类 遗传算法通常是利用生物启发算子 如变异 交叉和选择来生成高质量的优化和 搜索问题的解决方案 借鉴生物进化理论 遗传算法将问题模拟成一个生物进化 过程 通过遗传 交叉 突变 自然选择等操作产生下一代的解 并逐步淘汰适 应度函数值低的解 增加适应度函数高的解 这样进化 N 代后就很有可能会进 化出适应度函数值很高的个体 实验内容与步骤 实验内容与步骤 1 已知一个前馈型神经网络例子如下图所示 设学习率 l 为 0 9 当前的训练样本 为 x 1 0 1 而且预期分类标号为 1 同时 下表给出了当前该网络的各个连接 权值和神经元偏置 求该网络在当前训练样本下的训练过程 1 2 3 4 5 6 w14 w15 w24 w25 w34 w35 w46 w56 x1 x2 x3 实验步骤 0 2 已知函数如下 1 1 2 4 2 3 2 2 2 1 4321 xxxx x x x xfy 其中 5 x1 x2 x3 x4 5 用遗传算法求解 y 的最大值 实验步骤 实验数据实验数据 1 2 3 4 5 6 w14 w15 w24 w25 w34 w35 w46 w56 x1 x2 x3 实验数据处理 实验数据处理 1 前馈型神经网络前馈型神经网络 matlab 代码 代码 midweight 0 2 0 3 0 4 0 1 0 5 0 2 outweight 0 3 0 2 midthreshold 0 4 0 2 outthreshold 0 1 miderror 0 0 0 0 outerror 0 moutput 0 0 0 0 ooutput 0 numloop 0 innode 3 midnode 2 outnode 1 sum 0 num 2000 l 0 9 limit 0 000001 error limit 1 numsample 1 x 1 0 0 0 1 0 y 1 ploterr 0 0 01 1 plotout 0 0 01 1 m 0 n 0 p 0 for numloop 1 num if error limit break end for m 1 numsample for p 1 midnode sum 0 0 for n 1 innode sum sum x m n midweight n p end sum sum midthreshold p moutput p 1 1 exp sum end for p 1 outnode sum 0 0 for n 1 midnode sum sum moutput n outweight n p end sum sum outthreshold p ooutput 1 1 exp sum end for n 1 outnode outerror ooutput n 1 ooutput n y m n ooutput n end for n 1 outnode error ooutput n y m n ooutput n y m n ooutput n end for n 1 midnode sum 0 0 for p 1 outnode sum sum outweight n p outerror p end miderror n sum moutput n 1 moutput n end for n 1 midnode for p 1 outnode outweight n p outweight n p l moutput n outerror p end end for n 1 innode for p 1 midnode midweight n p midweight n p l x m n miderror p end end for n 1 outnode outthreshold outthreshold n l outerror n end for n 1 outnode midthreshold n midthreshold n l miderror n end end fprintf 第 d次迭代后误差为 f numloop error fprintf 第 d次迭代后输出为 f n numloop ooutput end fprintf 迭代总次数 d n numloop fprintf 最终输出结果 f n ooutput 2 遗传算法 遗传算法 clc D 4 NP 100 Xs 5 Xx 5 G 1000 f zeros D NP nf zeros D NP Pc 0 88 Pm 0 1 f rand D NP Xs Xx Xx for np 1 NP MSLL np func2 f np end SortMSLL Index sort MSLL Sortf f Index for gen 1 G Emper Sortf 1 NoPoint round D Pc PoPoint randi 1 D NoPoint NP 2 nf Sortf for i 1 NP 2 nf 2 i 1 Emper nf 2 i Sortf 2 i for k 1 NoPoint nf PoPoint k i 2 i 1 nf PoPoint k i 2 i nf PoPoint k i 2 i Emper PoPoint k i end end for m 1 NP for n 1 D r rand 1 1 if r Pm nf n m rand 1 1 Xs Xx Xx end end end for np 1 NP NMSLL np func2 nf np end NSortMSLL Index sort NMSLL NSortf nf Index f1 Sortf NSortf MSLL1 SortMSLL NSortMSLL SortMSLL1 Index sort MSLL1 Sortf1 f1 Index SortMSLL SortMSLL1 1 NP Sortf Sortf1 1 NP trace gen 1 SortMSLL 1 1 end Bestf Sortf 1 trace end figure plot trace xlabel 迭代次数 ylabel 目标函数值 title 适应度进化曲线 function result func2 x result 1 sum x 2 1 实验结果与分析 实验结果与分析 1 前馈型神经网络 前十次和后十次结果 2 遗传算法 遗传算法 实验总结与心得 实验总结与心得 通过本次实验 我对神经网络和遗传算法的相应的知识内容有了更好的掌握 和理解 在课堂上学习这些理论内容时并不理解 而且对算法的流程也并不熟悉 在使用 matlab 编写算法后 我对神经网络和遗传算法的流程