【改进模糊神经网络】基于粒子群-万有引力算法PSOGSA 改进的前馈神经网络研究（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 FNNPSO

​2.2 FNNPSOGSA

​2.3 FNNGSA

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

本文利用粒子群优化（PSO）和引力搜索算法（GSA）的混合体，称为PSOGSA，用于训练前馈神经网络（FNN）。该算法应用于众所周知的鸢尾花数据集。

📚2 运行结果

2.1 FNNPSO

 2.2 FNNPSOGSA

 2.3 FNNGSA

部分代码：

HiddenNodes=15;       %Number of hidden codes
Dim=8*HiddenNodes+3;  %Dimension of particles in PSO
TrainingNO=150;       %Number of training samples

%% PSO/
%Initial Parameters for PSO
noP=30;           %Number of particles
Max_iteration=500;%Maximum number of iterations
w=2;              %Inirtia weight
wMax=0.9;         %Max inirtia weight
wMin=0.5;         %Min inirtia weight
c1=2;
c2=2;
dt=0.8;

vel=zeros(noP,Dim); %Velocity vector
pos=zeros(noP,Dim); %Position vector

%Cognitive component/ 
pBestScore=zeros(noP);
pBest=zeros(noP,Dim);
%

%Social component///
gBestScore=inf;
gBest=zeros(1,Dim);
%///

ConvergenceCurve=zeros(1,Max_iteration); %Convergence vector

%Initialization
for i=1:size(pos,1) % For each Particle
    for j=1:size(pos,2) % For each dimension
           pos(i,j)=rand();
        vel(i,j)=0.3*rand();
    end
end

 %initialize gBestScore for min
 gBestScore=inf;
     
    
for Iteration=1:Max_iteration
    %Calculate MSE
    for i=1:size(pos,1)  
        for ww=1:(7*HiddenNodes)
            Weights(ww)=pos(i,ww);
        end
        for bb=7*HiddenNodes+1:Dim
            Biases(bb-(7*HiddenNodes))=pos(i,bb);
        end        
        fitness=0;
        for pp=1:TrainingNO
            actualvalue=My_FNN(4,HiddenNodes,3,Weights,Biases,I2(pp,1),I2(pp,2), I2(pp,3),I2(pp,4));
            if(T(pp)==-1)
                fitness=fitness+(1-actualvalue(1))^2;
                fitness=fitness+(0-actualvalue(2))^2;
                fitness=fitness+(0-actualvalue(3))^2;
            end
            if(T(pp)==0)
                fitness=fitness+(0-actualvalue(1))^2;
                fitness=fitness+(1-actualvalue(2))^2;
                fitness=fitness+(0-actualvalue(3))^2;   
            end
            if(T(pp)==1)
                fitness=fitness+(0-actualvalue(1))^2;
                fitness=fitness+(0-actualvalue(2))^2;
                fitness=fitness+(1-actualvalue(3))^2;              
            end
        end
        fitness=fitness/TrainingNO;

        if Iteration==1
            pBestScore(i)=fitness;
        end
        
        if(pBestScore(i)>fitness)
            pBestScore(i)=fitness;
            pBest(i,:)=pos(i,:);
        end

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]S. Mirjalili, S. Z. Mohd Hashim, and H. Moradian Sardroudi, "Training 
feedforward neural networks using hybrid particle swarm optimization and 
gravitational search algorithm," Applied Mathematics and Computation, 
vol. 218, pp. 11125-11137, 2012.

[2]乔楠.基于SSA-FNN的光伏功率超短期预测研究[J].光源与照明,2022(10):98-100.

🌈4 Matlab代码实现