蚁群算法改进的BP神经网络（算法有问题待修正）

转自http://blog.sina.com.cn/greensim function [BESTX,BESTY,ALLX,ALLY]=ACOUCP(50,30,0.95,1,0.5,LB,UB) %% 此函数实现蚁群算法，用于优化BP神经网络权值阈值 %% 输入参数列表 % K 迭代次数 % N 蚁群规模 % Rho 信息素蒸发系数，取值0～1之间，推荐取值0.7～0.95 % Q 信息素增加强度，大于0，推荐取值1左右 % Lambda 蚂蚁爬行速度，取值0～1之间，推荐取值0.1～0.5 % LB 决策变量的下界，M×1的向量
% UB 决策变量的上界，M×1的向量 %% 输出参数列表 % BESTX K×1细胞结构，每一个元素是M×1向量，记录每一代的最优蚂蚁 % BESTY K×1矩阵，记录每一代的最优蚂蚁的评价函数值 % ALLX K×1细胞结构，每一个元素是M×N矩阵，记录每一代蚂蚁的位置 % ALLY K×N矩阵，记录每一代蚂蚁的评价函数值 %% 测试函数设置 % 测试函数用单独的子函数编写好，在子函数FIT.m中修改要调用的测试函数名即可 % 注意：决策变量的下界LB和上界UB，要与测试函数保持一致 %% 参考设置 %
[BESTX,BESTY,ALLX,ALLY]=ACOUCP(50,30,0.95,1,0.5,LB,UB) %% 第一步：初始化 M=length(LB);%决策变量的个数 %蚁群位置初始化 X=zeros(M,N); for i=1:M x=unifrnd(LB(i),UB(i),1,N); X(i,:)=x; end %输出变量初始化 ALLX=cell(K,1);%细胞结构，每一个元素是M×N矩阵，记录每一代的个体 ALLY=zeros(K,N);%K×N矩阵，记录每一代评价函数值 BESTX=cell(K,1);%细胞结构，每一个元素是M×1向量，记录每一代的最优个体
BESTY=zeros(K,1);%K×1矩阵，记录每一代的最优个体的评价函数值 k=1;%迭代计数器初始化 Tau=ones(1,N);%信息素初始化 Y=zeros(1,N);%适应值初始化 %% 第二步：迭代过程 while k<=K YY=zeros(1,N); for n=1:N x=X(:,n); YY(n)=FIT(x,R,S1,S2,xx,yy); end maxYY=max(YY); temppos=find(YY==maxYY); POS=temppos(1); %蚂蚁随机探路 for
n=1:N if n~=POS x=X(:,n); Fx=FIT(x,R,S1,S2,xx,yy); mx=GaussMutation(x,LB,UB); Fmx=FIT(mx,R,S1,S2,xx,yy); if Fmx1-(1/(sqrt(k))) X(:,n)=mx; Y(n)=Fmx; else X(:,n)=x; Y(n)=Fx; end end end for n=1:N if n~=POS x=X(:,n); Fx=FIT(x,R,S1,S2,xx,yy); mx=GaussMutation(x,LB,UB);
Fmx=FIT(mx,R,S1,S2,xx,yy); if Fmx1-(1/(sqrt(k))) X(:,n)=mx; Y(n)=Fmx; else X(:,n)=x; Y(n)=Fx; end end end %朝信息素最大的地方移动 for n=1:N if n~=POS x=X(:,n); r=(K+k)/(K+K); p=randperm(N); t=ceil(r*N); pos=p(1:t); TempTau=Tau(pos); maxTempTau=max(TempTau); pos2=find(TempTau==maxTempTau);
pos3=pos(pos2(1)); x2=X(:,pos3(1)); x3=(1-Lambda)*x+Lambda*x2; Fx=FIT(x,R,S1,S2,xx,yy); Fx3=FIT(mx,R,S1,S2,xx,yy); if Fx31-(1/(sqrt(k))) X(:,n)=x3; Y(n)=Fx3; else X(:,n)=x; Y(n)=Fx; end end end %更新信息素并记录 Tau=Tau*(1-Rho); maxY=max(Y); minY=min(Y); DeltaTau=(maxY-Y)/(maxY-minY);
Tau=Tau+Q*DeltaTau; ALLX{k}=X; ALLY(k,:)=Y; minY=min(Y); pos4=find(Y==minY); BESTX{k}=X(:,pos4(1)); BESTY(k)=minY; disp(k); k=k+1; end %% 绘图 BESTY2=BESTY; BESTX2=BESTX; for k=1:K TempY=BESTY(1:k); minTempY=min(TempY); posY=find(TempY==minTempY); BESTY2(k)=minTempY;
BESTX2{k}=BESTX{posY(1)}; end BESTY=BESTY2; BESTX=BESTX2; plot(BESTY,'-ko','MarkerEdgeColor','k','MarkerFaceColor','k','MarkerSize',2) ylabel('函数值') xlabel('迭代次数') grid on