• 大小: 13KB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2021-05-28
  • 语言: 其他
  • 标签: ABC  

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。

资源截图

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

评论

共有 条评论