tic?%?計時器
%%?清空環境，準備數據
close?all
clear
clc
format?compact
%?載入測試數據wine其中包含的數據類別數為3；wine:178*13的矩陣wine_labes:178*1的列向量
load?wine
%?選定訓練集和測試集
%?將第一類的1-30第二類的60-95第三類的131-153做為訓練集
train_wine?=?[wine（1:30:）;wine（60:95:）;wine（131:153:）];
%?相應的訓練集的標簽也要分離出來
train_wine_labels?=?[wine_labels（1:30）;wine_labels（60:95）;wine_labels（131:153）];
%?將第一類的31-59第二類的96-130第三類的154-178做為測試集
test_wine?=?[wine（31:59:）;wine（96:130:）;wine（154:178:）];
%?相應的測試集的標簽也要分離出來
test_wine_labels?=?[wine_labels（31:59）;wine_labels（96:130）;wine_labels（154:178）];
%?數據預處理
%?數據預處理將訓練集和測試集歸一化到[01]區間
[mtrainntrain]?=?size（train_wine）;
[mtestntest]?=?size（test_wine）;
dataset?=?[train_wine;test_wine];

[dataset_scaleps]?=?mapminmax（dataset‘01）;
dataset_scale?=?dataset_scale‘;

train_wine?=?dataset_scale（1:mtrain:）;
test_wine?=?dataset_scale（?（mtrain+1）:（mtrain+mtest）:?）;
%%?%%%%%%%%%%%%%用ABC算法優化SVM中的參數c和g開始%%%%%%%%%%%%%%%%%%%%
%%?參數初始化
NP=20;?%?蜂群規模
FoodNumber=NP/2;?%?蜜源（解）數量
limit=100;?%?當有蜜源連續沒被更新的次數超過limit時，該蜜源將被重新初始化
maxCycle=10;?%?最大迭代次數
%?待優化參數信息
D=2;?%?待優化參數個數，次數為c和g兩個
ub=ones（1D）*100;?%?參數取值上界，此處將c和g的上界設為100
lb=ones（1D）*（0.01）;?%?參數取值下界，此處將c和g的下界設為0.01

runtime=2;?%?可用于設置多次運行（讓ABC算法運行runtime次）以考察程序的穩健性

BestGlobalMins=ones（1runtime）;?%?全局最小值初始化，這里的優化目標為SVM預測結果中的平均平方誤差（MSE），初始化為最差值1
BestGlobalParams=zeros（runtimeD）;?%?用于存放ABC算法優化得到的最優參數

for?r=1:runtime?%?運行ABC算法runtime次
????%?初始化蜜源
????Range?=?repmat（（ub-lb）[FoodNumber?1]）;
????Lower?=?repmat（lb?[FoodNumber?1]）;
????Foods?=?rand（FoodNumberD）?.*?Range?+?Lower;

????%?計算每個蜜源（解）得目標函數值，objfun為計算SVM預測的平均平方誤差（MSE）的函數，根據自己的實際問題變異目標函數即可
????ObjVal=ones（1FoodNumber）;?
????for?k?=?1:FoodNumber
????????ObjVal（k）?=?objfun（Foods（k:）train_wine_labelstrain_winetest_wine_labelstest_wine）;
????end
????Fitness=calculateFitness（ObjVal）;?%?計算適應度函數值
????
????trial=zeros（1FoodNumber）;?%?用于記錄第i個蜜源有連續trail（i）次沒被更新過

????%?標記最優蜜源（解）
????BestInd=find（ObjVal==min（ObjVal））;?
????BestInd=BestInd（end）;
????GlobalMin=ObjVal（BestInd）;?%?更新全局最優目標函數值
????GlobalParams=Foods（BestInd:）;?%?更新全局最優參數為最優蜜源

????iter=1;?%?迭代開始
????while?（（iter?<=?maxCycle））?%?循環條件

%%%%%%%%%%%%%%%%%%%%%引領蜂搜索解的過程%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
????????for?i=1:（FoodNumber）?%?遍歷每個蜜源（解）
????????????Param2Change=fix（rand*D）+1;?%?隨機選擇需要變異的參數
????????????neighbour=fix（rand*（FoodNumber））+1;?%?隨機選擇相鄰蜜源（解）以準備變異
????????????%?需要保證選擇的相鄰蜜源不是當前蜜源（i）
????????????while（neighbour==i）
????????????????neighbour=fix（rand*（FoodNumber））+1;
????????????end
????????????sol=Foods（i:）;?%?提取當前蜜源（解）對應的的參數
????????????%?參數變異得到新的蜜源：v_{ij}=x_{ij}+\phi_{ij}*（x_{kj}-x_{ij}）
????????????sol（Param2Change）=Foods（iParam2Change）+（Foods（iParam2Change）-Foods（neighbourParam2Change））*（rand-0.5）*2;
????????????%?確保參數取值范圍不越界
????????????ind=find（sol????????????sol（ind）=lb（ind）;
????????????ind=find（sol>ub）;
????????????sol（ind）=ub（ind）;
????????????%?計算變異后蜜源的目標函數值和適應度函數值
????????????ObjValSol=objfun（sol

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????8168??2016-09-04?17:10??ABC_SVM_exmp.m
?????文件????????7867??2016-09-04?17:10??ABC_SVR_exmp.m
?????文件?????????182??2008-06-09?19:54??calculateFitness.m
?????文件?????????430??2016-09-04?16:56??fobj.m
?????文件??????????70??2016-09-04?10:55??mymae.m
?????文件??????????85??2016-09-04?10:55??mymape.m
?????文件??????????74??2016-09-04?10:55??mymse.m
?????文件?????????407??2016-09-04?10:04??objfun.m
?????文件???????20168??2016-09-04?09:25??wine.mat
?????文件?????????447??2016-09-04?10:41??wndspd.mat