资源简介
对ABC算法的源码逐行做了中文注释,并以优化SVM参数为例,是很好的学习材料。
代码片段和文件信息
tic % 计时器
%% 清空环境,准备数据
close all
clear
clc
format compact
% 载入测试数据wine其中包含的数据类别数为3;wine:178*13的矩阵wine_labes:178*1的列向量
load wine
% 选定训练集和测试集
% 将第一类的1-30第二类的60-95第三类的131-153做为训练集
train_wine = [wine(1:30:);wine(60:95:);wine(131:153:)];
% 相应的训练集的标签也要分离出来
train_wine_labels = [wine_labels(1:30);wine_labels(60:95);wine_labels(131:153)];
% 将第一类的31-59第二类的96-130第三类的154-178做为测试集
test_wine = [wine(31:59:);wine(96:130:);wine(154:178:)];
% 相应的测试集的标签也要分离出来
test_wine_labels = [wine_labels(31:59);wine_labels(96:130);wine_labels(154:178)];
% 数据预处理
% 数据预处理将训练集和测试集归一化到[01]区间
[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算法优化SVM中的参数c和g开始%%%%%%%%%%%%%%%%%%%%
%% 参数初始化
NP=20; % 蜂群规模
FoodNumber=NP/2; % 蜜源(解)数量
limit=100; % 当有蜜源连续没被更新的次数超过limit时,该蜜源将被重新初始化
maxCycle=10; % 最大迭代次数
% 待优化参数信息
D=2; % 待优化参数个数,次数为c和g两个
ub=ones(1D)*100; % 参数取值上界,此处将c和g的上界设为100
lb=ones(1D)*(0.01); % 参数取值下界,此处将c和g的下界设为0.01
runtime=2; % 可用于设置多次运行(让ABC算法运行runtime次)以考察程序的稳健性
BestGlobalMins=ones(1runtime); % 全局最小值初始化,这里的优化目标为SVM预测结果中的平均平方误差(MSE),初始化为最差值1
BestGlobalParams=zeros(runtimeD); % 用于存放ABC算法优化得到的最优参数
for r=1:runtime % 运行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;
% 计算每个蜜源(解)得目标函数值,objfun为计算SVM预测的平均平方误差(MSE)的函数,根据自己的实际问题变异目标函数即可
ObjVal=ones(1FoodNumber);
for k = 1:FoodNumber
ObjVal(k) = objfun(Foods(k:)train_wine_labelstrain_winetest_wine_labelstest_wine);
end
Fitness=calculateFitness(ObjVal); % 计算适应度函数值
trial=zeros(1FoodNumber); % 用于记录第i个蜜源有连续trail(i)次没被更新过
% 标记最优蜜源(解)
BestInd=find(ObjVal==min(ObjVal));
BestInd=BestInd(end);
GlobalMin=ObjVal(BestInd); % 更新全局最优目标函数值
GlobalParams=Foods(BestInd:); % 更新全局最优参数为最优蜜源
iter=1; % 迭代开始
while ((iter <= maxCycle)) % 循环条件
%%%%%%%%%%%%%%%%%%%%%引领蜂搜索解的过程%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for i=1:(FoodNumber) % 遍历每个蜜源(解)
Param2Change=fix(rand*D)+1; % 随机选择需要变异的参数
neighbour=fix(rand*(FoodNumber))+1; % 随机选择相邻蜜源(解)以准备变异
% 需要保证选择的相邻蜜源不是当前蜜源(i)
while(neighbour==i)
neighbour=fix(rand*(FoodNumber))+1;
end
sol=Foods(i:); % 提取当前蜜源(解)对应的的参数
% 参数变异得到新的蜜源:v_{ij}=x_{ij}+\phi_{ij}*(x_{kj}-x_{ij})
sol(Param2Change)=Foods(iParam2Change)+(Foods(iParam2Change)-Foods(neighbourParam2Change))*(rand-0.5)*2;
% 确保参数取值范围不越界
ind=find(sol
sol(ind)=lb(ind);
ind=find(sol>ub);
sol(ind)=ub(ind);
% 计算变异后蜜源的目标函数值和适应度函数值
ObjValSol=objfun(sol
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
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
- 上一篇:全球银行的银行卡号及信息
- 下一篇:数字电子钟—基于multisim10
相关资源
- opencv实现背景分离
- ABCAutoCAD_RasterManager
- ABC Amber CHM Converter V1.06完美破解版
- ABCpdf 7.0.2.9 32位
- openCV中grabcut图像分割函数使用VS2017
- 漂亮的TabControl
- ABC带约束优化算法
- abc视频破解器,绝对有用
- 喷泉 plc 有ABC三组喷头,
- Unity shaderlabcg vs关键词高亮工具
- WIN7可用的智能ABC亲测可用
- 论文研究 - 氯吡格雷耐药患者ABCB1基因
- 保密风险评估报告.doc
- 大数据智能分析系统详细设计_1.pptx
- abc到dq坐标(派克变换,Park变换,C
- 仿Chrome 风格的TabControl控件
- WPF TabControl 带关闭按钮
- CTabCtrl美化
- Silverlight TabControl 美化代码
- 2018年全国大学生数学建模ABCD完整题目
- DevComponents.DotNetBar.TabControl页签文字竖
- 耀轩全智能abc扣字软件
- 原版ABC输入法
- 验证三角形A2B2C2的面积是正三角形A
评论
共有 条评论