遗传算法极限学习机GA-ELM回归预测及其MATLAB代码实现

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

极限学习机(ExtremeLearningMachine，ELM)模型作为典型的单隐含层前馈神经网络，具有学习速度快，泛化能力较好的特点［15］，但它采用梯度迭代法按照最大下降速度方向进行运算，往往需要设置较多的代数，容易陷入局部最优解。本文采用遗传算法(GeneticAlgorithm，GA)对其隐含层的初始权值与阈值进行优化，遗传算法是一种典型的动态随机搜索算法，该算法的优化过程借鉴了生物学中的进化理论，主要包括选择、交叉以及变异3个过程［16］。选择操作是基于群体中个体的适应度而进行的，目的是选择当代最优个体进入下一代的种群;交叉操作是遗传算法中最主要的步骤，作用是使群体中的不同个体相互作用产生新个体，从而增加种群的多样性;变异操作是指个体基因链的值随机变化，目的还是增加种群的多样性，详细步骤可参见文献［17］。遗传算法优化极限学习机(GA－ELM)的具体构建过程可以概述为:确定ELM的输入与输出样本集;确定对ELM初始权值及阈值的编码方式，采用二进制编码;随机采样产生第一代种群;分别进行选择、交叉以及变异的算子操作过程;计算每个个体的适应值，并排序选优;按照既定规则更新产生下一代种群直至满足终止条件为止，终止条件设置为预测值与期望值的误差矩阵的范数小于某一设定值(0．00001)，具体模型流程如图1所示。

⛄ 部分代码

function Y = elmpredict(P,IW,B,LW,TF,TYPE)

% ELMPREDICT Simulate a Extreme Learning Machine

% Syntax

% Y = elmtrain(P,IW,B,LW,TF,TYPE)

% Description

% Input

% P   - Input Matrix of Training Set  (R*Q)

% IW  - Input Weight Matrix (N*R)

% B   - Bias Matrix  (N*1)

% LW  - Layer Weight Matrix (N*S)

% TF  - Transfer Function:

%       'sig' for Sigmoidal function (default)

%       'sin' for Sine function

%       'hardlim' for Hardlim function

% TYPE - Regression (0,default) or Classification (1)

% Output

% Y   - Simulate Output Matrix (S*Q)

% Example

% Regression:

% [IW,B,LW,TF,TYPE] = elmtrain(P,T,20,'sig',0)

% Y = elmtrain(P,IW,B,LW,TF,TYPE)

% Classification

% [IW,B,LW,TF,TYPE] = elmtrain(P,T,20,'sig',1)

% Y = elmtrain(P,IW,B,LW,TF,TYPE)

% See also ELMTRAIN

% Yu Lei,11-7-2010

% Copyright www.matlabsky.com

% $Revision:1.0 $

if nargin < 6

    error('ELM:Arguments','Not enough input arguments.');

end

% Calculate the Layer Output Matrix H

Q = size(P,2);

BiasMatrix = repmat(B,1,Q);

tempH = IW * P + BiasMatrix;

switch TF

    case 'sig'

        H = 1 ./ (1 + exp(-tempH));

    case 'sin'

        H = sin(tempH);

    case 'hardlim'

        H = hardlim(tempH);

end

% Calculate the Simulate Output

Y = (H' * LW)';

if TYPE == 1

    temp_Y = zeros(size(Y));

    for i = 1:size(Y,2)

        [max_Y,index] = max(Y(:,i));

        temp_Y(index,i) = 1;

    end

    Y = vec2ind(temp_Y); 

end

⛄ 运行结果

⛄ 参考文献

[1]胡庆国, 田学泽, 何忠明. 基于遗传算法优化极限学习机的绿色建筑投资估算方法[J]. 建筑经济, 2020.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除