基于pso优化lssvm两参数

运用pso 方法优化lssvm 的sig2 gam 两参数 对数据进行回归预测

%%==================清空环境=============

clc
clear

%%导入训练数据和测试数据
load data1.mat

%其中train_data test_data分别为训练集和测试集
%train_result test_result为训练结果和测试结果

%%数据归一化

%%归一化方法1（利用libsvm工具箱函数归一化）
[train_xtest_x]=scaleForSVM（train_datatest_data01）
[train_ytest_ypstrain1]=scaleForSVM（train_resulttest_result01）


%%归一化方法2（利用svm自带mapminmax函数归一化）
%[train_data pstrain0] = mapminmax（train‘01）;
%[test_data] = mapminmax（‘apply‘test‘pstrain0）;
%[train_resultpstrain1] = mapminmax（train_out01）;
%[test_result] = mapminmax（‘apply‘test_outpstrain1）;

%train_data = train_data‘
%train_result=train_result‘
%test_data = test_data‘


%% 参数初始化

%粒子群算法中的两个参数
c1 = 1.5; % c1 belongs to [02] c1:初始为1.5pso参数局部搜索能力
c2 = 1.5; % c2 belongs to [02] c2:初始为1.7pso参数全局搜索能力

maxgen=300; % 进化次数 
sizepop=30; % 种群规模

popcmax=10^（3）; % popcmax:初始为1000SVM 参数c的变化的最大值.
popcmin=10^（-1）; % popcmin:初始为0.1SVM 参数c的变化的最小值.
popgmax=10^（2）; % popgmax:初始为1000SVM 参数g的变化的最大值
popgmin=10^（-1）; % popgmin:初始为0.01SVM 参数c的变化的最小值.
k = 0.5; % k belongs to [0.11.0];
Vcmax = k*popcmax;%参数 c 迭代速度最大值
Vcmin = -Vcmax ;
Vgmax = k*popgmax;%参数 g 迭代速度最大值
Vgmin = -Vgmax ; 

eps = 10^（-7）;

%%定义lssvm相关参数

type = ‘function estimation‘; 
kernel = ‘RBF_kernel‘;
proprecess=‘original‘

%% 产生初始粒子和速度
for i=1:sizepop

% 随机产生种群
pop（i1） = （popcmax-popcmin）*rand（11）+popcmin ; % 初始种群
pop（i2） = （popgmax-popgmin）*rand（11）+popgmin;
V（i1）=Vcmax*rands（11）; % 初始化速度
V（i2）=Vgmax*rands（11）;

% 计算初始适应度
gam = pop（i1）
sig2 = pop（i2）
model=initlssvm（train_xtrain_ytypegamsig2kernelproprecess）
model=trainlssvm（model） % 训练svm模型
%求出训练集和测试集的预测值
[ptrainztmodel]=simlssvm（modeltrain_x）;

%预测数据反归一化
% train_predict=mapminmax（‘reverse‘train_predict_ypstrain1）%训练集预测值

%计算均方差
trainmse=sum（（ptrain-train_y）.^2）/length（train_y）

fitness（i）=trainmse%以训练集的预测值计算的均方差为适应度值
end

% 找极值和极值点
[global_fitness bestindex]=min（fitness） % 全局极值
local_fitness=fitness % 个体极值初始化 

global_x=pop（bestindex:） % 全局极值点
local_x=pop % 个体极值点初始化

% 每一代种群的平均适应度
avgfitness_gen = zeros（1maxgen）;

tic

%% 迭代寻优
for i=1:maxgen

for j=1:sizepop

%速度更新
wV = 1; % wV best belongs to [0.81.2]为速率更新公式中速度前面的弹性系数
V（j:） = wV*V（j:） + c1*rand*（local_x（j:） - pop（j:）） + c2*rand*（global_x - pop（j:））;
if V（j1） > Vcmax %以下几个不等式是为了限定速度在最大最小之间
V（j1） = Vcmax;
end
if V（j1） < Vcmin
V（j1） = Vcmin;
end
if V（j2） > Vgmax
V（j2） = Vgmax;
end
if V（j2） < Vgmin
V（j2） = Vgmin; %以上几个不等式是为了限定速度在最大最小之间
end

%种群更新
wP = 1; % wP:初始为1种群更新公式中速度前面的弹性系数
pop（j:）=pop（j:）+wP*V（j:）;
if pop（j1） > popcmax %以下几个不等式是为了限定 c 在最大最小之间
pop（j1） = popcmax;
end
if pop（j1） < popcmin
pop（j1） = popcmin;
end
if pop（j2） > popgmax %以下几个不等式是为了限定 g 在最大最小之间
pop（j2） = popgmax;
end
if pop（j2） < popgmin
pop（j2） = popgmin;
end

% 自适应粒子变异
if rand>0.5
k=ceil（2*rand）;%ceil 是向离它最近的大整数圆整

if k == 1
pop（jk） = （20-1）*rand+1;
end
if k == 2
pop（jk） = （popgmax-popgmin

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5329  2012-12-24 15:42  psolssvm.m

     文件       1032  2012-12-17 09:37  data1.mat

----------- ---------  ---------- -----  ----

                 6361                    2