使用生物算法优化bp时出现以下报错
1、错误使用 network/subsasgn>network_subsasgn net.b{2} must be a 2-by-1 matrix.
2、出错 索引 (第 14 行)
net = network_subsasgn(net,subscripts,v,netname);
oad input %载入输入数据
load output %载入输出数据
%% 第二步 设置训练数据和预测数据
input_train = input(:,1:35);
output_train = output(:,1:35);
input_test = input(:,36:end);
output_test = output(:,36:end);
inputnum=15;
hiddennum=1;
outputnum=4;
%训练样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);
%归一化到[-1,1]之间,inputps用来作下一次同样的归一化
[outputn,outputps]=mapminmax(output_train);
%构建网络
net=newff(inputn,outputn,hiddennum);
%% 遗传算法参数初始化
maxgen=50; %进化代数,即迭代次数
sizepop=10; %种群规模
pcross=[0.4]; %交叉概率选择,0和1之间
pmutation=[0.2]; %变异概率选择,0和1之间
%节点总数
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
lenchrom=ones(1,numsum); %个体长度
bound=[-3*ones(numsum,1) 3*ones(numsum,1)]; %个体范围
individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]); %将种群信息定义为一个结构体
avgfitness=[]; %每一代种群的平均适应度
bestfitness=[]; %每一代种群的最佳适应度
bestchrom=[]; %适应度最好的染色体
%计算个体适应度值
for i=1:sizepop
%随机产生一个种群
individuals.chrom(i,:)=Code(lenchrom,bound);
%计算适应度
x=individuals.chrom(i,:);
individuals.fitness(i)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn); %染色体的适应度
end
%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
% 选择
individuals=Select(individuals,sizepop);
%交叉
individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
% 变异
individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);
% 计算适应度
for j=1:sizepop
x=individuals.chrom(j,:); %个体
individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);
end
%找到最小和最大适应度的染色体及它们在种群中的位置
[newbestfitness,newbestindex]=min(individuals.fitness);
[worestfitness,worestindex]=max(individuals.fitness);
%最优个体更新
if bestfitness>newbestfitness
bestfitness=newbestfitness;
bestchrom=individuals.chrom(newbestindex,:);
end
individuals.chrom(worestindex,:)=bestchrom;
individuals.fitness(worestindex)=bestfitness;
%记录每一代进化中最好的适应度和平均适应度
avgfitness=sum(individuals.fitness)/sizepop;
trace=[trace;avgfitness bestfitness];
end
%% 把最优初始阀值权值赋予网络预测
% %用遗传算法优化的BP网络进行值预测
x=bestchrom
w1=x(1:inputnum*hiddennum);
B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=B2;
%% BP网络训练
%网络进化参数
net.trainParam.epochs=100;
net.trainParam.lr=0.1;
net.trainParam.goal=0.00001;
%网络训练
[net,per2]=train(net,inputn,outputn);
%% BP网络预测
inputn_test=mapminmax('apply',input_test,inputps);
an=sim(net,inputn_test);
%预测结果反归一化
test_simu=mapminmax('reverse',an,outputps);
error=test_simu-output_test;
数据可视化
figure(1)
plot(output_test,'bo-')
hold on
plot(test_simu,'r*-')
hold on
原因:net.b{2}=B2;左右赋值不匹配。
输出outputnum为4维,但权重赋值为B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
解决办法:net.b{2}=reshape(B2,outputnum,1)即可。
reshape - 重构数组
此 MATLAB 函数 使用大小向量 sz 重构 A 以定义 size(B)。例如,reshape(A,[2,3]) 将
A 重构为一个 2×3 矩阵。sz 必须至少包含 2 个元素,prod(sz) 必须与 numel(A) 相同。
B = reshape(A,sz)
B = reshape(A,sz1,...,szN)
输入参数
A - 输入数组
向量 | 矩阵 | 多维数组
sz - 输出大小
由整数组成的行向量
sz1,...,szN - 每个维度的大小
两个或以上的整数 | [](可选)
输出参数
B - 重构的数组
向量 | 矩阵 | 多维数组 | 元胞数组