错误使用 network/subsasgn＞network_subsasgn net.b{2} must be a 2-by-1 matrix.解决方法

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