Matlab 基于粒子群算法优化BP神经网络PSO-BP+NSGAII多目标优化算法的工艺参数优化
摘要： 本文介绍一种基于PSO-BP神经网络和NSGAII的多目标优化算法代码。该算法首先通过PSO-BP构建输入(x1-x5)与输出(y1-y4)的代理模型，再使用NSGAII寻找y1极大值及y2-y4极小值对应的Pareto解集。代码包含两个主程序：先运行PSO-BP回归，再进行NSGAII优化。运行环境需MATLAB 2018b+，提供完整测试数据集和详细中文注释，输出包括回归拟合图、误差分
·
目录
1、代码简介
基于粒子群算法优化BP神经网络PSO-BP+NSGAII多目标优化算法，可适用于工艺参数优化、设计等方向。
代码简介：
1、先经PSO-BP封装因变量(y1，y2，y3，y4)与自变量(x1，x2，x3，x4，x5)的代理模型，再通过NSGAII寻找y的极值(y1极大;y2、y3、y4极小)，并生成对应的x1，x2，x3，x4，x5Pareto解集。
2、数据集有5个输入特征，4个输出，通过NSGAII寻求极值，并得到在极值时(y1max，y2min，y3min，y4min)对应的自变量的解集。
3、代码分别为两个主程序，先运行mian1进行PSO-BP多输出回归，再运行main2进行NSGAII多目标算法优化即可。
以下每个输出都有对应的四张图：预测值和真实值拟合图、误差值直方图、回归拟合图、线性拟合图
注：
1️⃣、运行环境要求MATLAB版本为2018b及其以上
2️⃣、评价指标包括:R2、MAE、MBE、MAPE、RMSE等，图很多，符合您的需要
3️⃣、代码中文注释清晰，质量极高
4️⃣、赠送测试数据集，可以直接运行源程序。替换你的数据即可用 适合新手小白
2、代码运行结果展示
3、代码获取
点击下方了解更多！
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
12
0- 0
已为社区贡献33条内容
所有评论(0)