网站建设的经验做法,介绍做燕窝的网站,小榄镇做网站公司,网页设计网站建设的基本流程回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测 目录 回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现WOA-ELM鲸鱼算法优化极限学习机多输入回归预测#…回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测 目录 回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现WOA-ELM鲸鱼算法优化极限学习机多输入回归预测完整源码和数据) 1.Matlab实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测完整源码和数据) 2.输入多个特征输出单个变量多输入单输出回归预测 3.多指标评价评价指标包括R2、MAE、MSE、RMSE等代码质量极高 4.鲸鱼算法优化参数为优化参数为权值和阈值 5.excel数据方便替换运行环境2018及以上。 程序设计
完整程序和数据下载方式1(资源处直接下载)MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测完整程序和数据下载方式2(订阅《ELM极限学习机》专栏同时可阅读《ELM极限学习机》专栏收录的所有内容数据订阅后私信我获取)MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测完整程序和数据下载方式3(订阅《智能学习》专栏同时获取《智能学习》专栏收录程序3份数据订阅后私信我获取)MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测
%% 计算初始适应度值
fitness zeros(1, pop);
for i 1 : popfitness(i) fobj(pop_new(i, :));
end%% 得到全局最优适应度值
[fitness, index] sort(fitness);
GBestF fitness(1); %% 得到全局最优种群
for i 1 : poppop_new(i, :) pop_lsat(index(i), :);
endGBestX pop_new(1, :);
X_new pop_new;%% 优化算法
for i 1: Max_iterBestF fitness(1);R2 rand(1);for j 1 : PDNumberif(R2 ST)X_new(j, :) pop_new(j, :) .* exp(-j / (rand(1) * Max_iter));elseX_new(j, :) pop_new(j, :) randn() * ones(1, dim);end endfor j PDNumber 1 : popif(j (pop - PDNumber) / 2 PDNumber)X_new(j, :) randn() .* exp((pop_new(end, :) - pop_new(j, :)) / j^2);elseA ones(1, dim);for a 1 : dimif(rand() 0.5)A(a) -1;endendAA A / (A * A); X_new(j, :) pop_new(1, :) abs(pop_new(j, :) - pop_new(1, :)) .* AA;endendTemp randperm(pop);SDchooseIndex Temp(1 : SDNumber); for j 1 : SDNumberif(fitness(SDchooseIndex(j)) BestF)X_new(SDchooseIndex(j), :) pop_new(1, :) randn() .* abs(pop_new(SDchooseIndex(j), :) - pop_new(1, :));elseif(fitness(SDchooseIndex(j)) BestF)K 2 * rand() -1;X_new(SDchooseIndex(j), :) pop_new(SDchooseIndex(j), :) K .* (abs(pop_new(SDchooseIndex(j), :) - ...pop_new(end, :)) ./ (fitness(SDchooseIndex(j)) - fitness(end) 10^-8));endend%% 边界控制for j 1 : popfor a 1 : dimif(X_new(j, a) ub(a))X_new(j, a) ub(a);endif(X_new(j, a) lb(a))X_new(j, a) lb(a);endendend %% 获取适应度值for j 1 : popfitness_new(j) fobj(X_new(j, :));end%% 获取最优种群for j 1 : popif(fitness_new(j) GBestF)GBestF fitness_new(j);GBestX X_new(j, :);endend%% 更新种群和适应度值pop_new X_new;fitness fitness_new;%% 更新种群 [fitness, index] sort(fitness);for j 1 : poppop_new(j, :) pop_new(index(j), :);end%% 得到优化曲线curve(i) GBestF;avcurve(i) sum(curve) / length(curve);
end%% 得到最优值
Best_pos GBestX;
Best_score curve(end);参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
