%混合bp算法，即pso_bp算法：
%算法思路：利用pso的全局搜索能力對bp網絡的權值進行優化，再利用bp算法對其進行局部尋優。
%pso算法部分如下：
%1.1?初始化格式
clear?all
clc;
format?long;
%1.2?初始化微粒群的參數
wmax=1.2;
wmin=0.6;
N?=?40?;?%微粒數目
%N=60;
D?=?16?;?%每個微粒的空間維數
a=-1;
b=1;
c1=2.5;?%學習因子1
%c1=2;
c2=2.5;??%學習因子2
%c2=2;
%w=1.2;?%慣性權重
MaxDT=20?;?%最大迭代次數
%rand（‘state‘sum（100*clock））;
%x=a+（b-a）*rand（ND）;%[-11]
%v=a+（b-a）*rand（ND）;%[-11]
x=randn（ND）;??%[01]
v=randn（ND）;??%[01]

%初始化神經網絡
P=-0.5:0.05:0.5;
T=（sin（2*3.14*P））.^2.*exp（-4*（P+0.5））;
I=1;H=5;O=1;%1-5-1結構
net?=?newff（[-0.5?0.5][H?O]{‘tansig‘?‘purelin‘}）;

%計算各個粒子的適應度值
for?i=1:N
????p（i）?=?fitcall（x（i:）netIHODPT）;?%局部最優值
????y（i:）?=?x（i:）;
end
pg?=?x（1:）;?%pg為全局最優值
for?i=2:N
????if?fitcall（x（i:）netIHODPT）????????pg?=?x（i:）;
????end
end

%迭代公式
for?t?=?1:MaxDT
????w?=?wmin?+?（wmax-wmin）*（1+cos（（t-1）*pi/（MaxDT-1）））/2;
????for?i?=?1:N
????????v（i:）=w*v（i:）+c1*rand*（y（i:）-x（i:））+c2*rand*（pg-x（i:））;
????????x（i:）=x（i:）+v（i:）;
????????if?fitcall（x（i:）netIHODPT）????????????p（i）?=?fitcall（x（i:）netIHODPT）;
????????????y（i:）?=?x（i:）;
????????end
????????if?fitcall（x（i:）netIHODPT）????????????pg?=?y（i:）;
????????end
????end

????Pbest（t）?=?fitcall（pgnetIHODPT）;
end

%bp網絡
%clear?all;
%clc;
%p?=?-0.5:0.05:0.5;
%t?=?（sin（2*3.14*p））.^2.*exp（-4*（p+0.5））;
%net=newff（minmax（p）[5?1]{‘transig‘?‘purelin‘}‘trainlm‘）;
%net?=?newff（[-0.5?0.5][5?1]{‘tansig‘?‘purelin‘}）;
%net?=?initnw（net1）;
for?t?=?1:H
????x2iw（t:）?=?pg（1（（t-1）*I+1）:t*I）;%wi為5*1的矩陣
end
for?r?=?1:O
????x2lw（r:）?=?pg（1（I*H+1）:（I*H+H））;%wo為1*5的矩陣
end

x2b=pg（1（（I+1）*H+1）:D）;
x2b1=x2b（1:H）.‘;
x2b2=x2b（H+1:H+O）.‘;
net.iw{11}=x2iw（:1）;
net.lw{21}=x2lw;
net.b{11}=x2b1;
net.b{21}=x2b2;

net.trainParam.epoch?=?500;?%訓練次數為500次；
net.trainParam.goal?=?0.0001;?%訓練目標為誤差小于0.001;
net.trainParam.lr?=?0.01;?%學習速率為0.01;
net?=?train（netPT）;
y1?=?sim（netP）;
figure（1）;
%plot（py1‘-b‘）
%plot（pt‘-r‘py1‘-b‘‘LineWidth‘2）;
plot（PT‘r*‘）;
hold?on;
plot（Py1‘-b‘）;
axis（[-0.5?0.5?-0.05?0.45]）;
title（‘非線性函數逼近‘）;
xlabel（‘輸出‘）;
ylabel（‘時間‘）;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2412??2008-06-12?23:56??pso_bp\bp_pso.m

?????文件????????371??2008-05-20?10:08??pso_bp\fitcall.m

?????目錄??????????0??2012-09-24?01:21??pso_bp

-----------?---------??----------?-----??----

?????????????????3001????????????????????4