基于遗传算法的BP神经网络
介绍：利用遗传算法并行地优化BP网络的权值和阈值，从而避免了BP网络在优化权值和阈值时陷入局部最优的缺点。
背景：此项目的背景为客运量和货运量的预测。
文件介绍
freightFlow.xlsx： 货运量数据集，前7列为影响货运量的因素，第8列为货运量；passengerFlow.xlsx： 客运量数据集，前7列为影响货运量的因素，第8列为客运量；Data.mat：这是一个结构体，成员P为从客运量数据集，成员F为货运量数据集；- 其他为源文件。
函数概述
mainFun()：主函数，完成训练和预测；normInit()：数据获取，存入结构体Data.mat；gadecod()：对输入的染色体编码，编码方式一般有两种，实数编码和二进制编码（此项目中对应的为实数编码，所以编码后的值即为解码后的值）；getBPinfo()：获取BP网络的基本信息；gabpEval()：计算适应度。
GAOT使用说明
因为项目中用到了GAOT工具包中的函数，所以需要将GAOT工具包加入路径。操作步骤为：
- 点击GAOT文件；
- 添加到路径；
- 选定文件夹和子文件夹。
这样，工程中就可以调用GAOT工具包中的函数了。
初始种群的生成
[pop]=initializega(num,bounds,eevalFN,eevalOps,options)
- 【输出参数】
pop：生成的初始种群
- 【输入参数】
num：种群中的个体数目
bounds：代表变量的上下界的矩阵
eevalFN：适应度函数
eevalOps：传递给适应度函数的参数
options：选择编码形式(浮点编码或是二进制编码)[precision F_or_B]
precision：变量进行二进制编码时指定的精度
F_or_B：为1时选择浮点编码，否则为二进制编码,由precision指定精度)
遗传算法函数
[x,endPop,bPop,traceInfo]=ga(bounds,evalFN,evalOps,startPop,opts,termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)
【输出参数】
x--求得的最优解
endPop--最终得到的种群
bPop--最优种群的一个搜索轨迹
traceInfo--每一代的最好的适应度和平均适应度
【输入参数】
bounds--代表变量上下界的矩阵
evalFN--适应度函数
evalOps--传递给适应度函数的参数
startPop--初始种群
opts[epsilonprob_opsdisplay]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-610]
termFN--终止函数的名称,如['maxGenTerm']
termOps--传递个终止函数的参数,如[100]
selectFN--选择函数的名称,如['normGeomSelect']
selectOps--传递个选择函数的参数,如[0.08]
xOverFNs--交叉函数名称表，以空格分开，如['arithXoverheuristicXoversimpleXover']
xOverOps--传递给交叉函数的参数表，如[20;23;20]
mutFNs--变异函数表，如['boundaryMutationmultiNonUnifMutationnonUnifMutationunifMutation']
mutOps--传递给交叉函数的参数表,如[400;61003;41003;400]
-
组合优化 | MATLAB实现GA-BP和PSO-BP多输入单输出预测 基本介绍 MATLAB实现GA-BP和PSO-BP多输入单输出预测。BP网络是前向神经网络中最核心的部分，但是存在一些缺陷，学习收敛速度较慢，不能保证收敛到全局最小点，网络结构不确定等。GA优化BP思路主要部分为：BP神经网络确定，GA优化权值和阈值。粒子群优化算法(PSO)是一种进化计算技术，该算法最初是受到飞鸟集群活动的规
-
Genetic Algorithm Toolbox for MATLAB, v1.2 Thank you for requesting a copy of the Genetic Algorithm Toolbox. The Genetic Algorithm Toolbox for MATLAB was developed at theDepartment of Automatic Contro
-
问题内容： 我正在尝试根据从《 AI游戏程序员的技术》一书中选取的技术编写一种遗传算法，该技术对种群的基因使用二进制编码和适应性比例选择（也称为轮盘选择）。在程序内以二维数组随机生成。 最近，我遇到了一段伪代码并尝试实现它，但是遇到了一些我需要做的事情方面的问题。我检查了许多书籍和一些开源代码，但仍在努力取得进展。我了解我必须获得总体适应度的总和，在总和与零之间选择一个随机数，然后如果该数字大于父
-
情境：我使用谷歌标签管理器在多站点网络上建立了谷歌分析（GA-Universal）。有一个GTM容器，每个网站都有自己的GA属性。我使用了一个GTM变量来引用所有GA属性。我能够跟踪跨域会话。在测试中，我能够在同一会话/客户端ID下跨多个域跟踪用户的会话。 问题：我被下一步该做什么所困扰。我想创建一些目标和视图，跟踪用户在我的网站上的旅程，并测量通常的统计数据（反弹、积分转换等）。然而，我不知道从
-
问题内容： Hibernate 3.5-Final 终于面世了，它提供了备受期待的JPA2支持以及其他功能。我正在使用JBoss 5.1.0.GA和Hibernate 3.3进行项目（基于EJB3），但是我想利用JPA2并尝试升级到Hibernate 3.5。 我所做的工作非常简单和标准-我只是将所有的hibernate3.5 jar放在server / configuration（默认，全部等）
-
有谁知道什么时候可以使用Javhelp 3.17.0-GA吗？ Javaassit中有一个bug（在3.17.0-GA中修复）在与Java 7一起使用时破坏了PowerMock：https://issues.jboss.org/browse/JASSIST-160?focusedCommentId=12718716 相关的PowerMock bughttp://code.google.com/p/
-
本报告记录了对 1.0-GA 版本的 DM 进行性能测试的目的、环境、场景和结果。 测试目的 该性能测试用于评估使用 DM 进行全量数据导入和增量数据复制的性能上限，并根据测试结果提供 DM 迁移任务的参考配置。 测试环境 测试机器信息 系统信息： 机器 IP 操作系统 内核版本 文件系统类型 172.16.4.39 CentOS Linux release 7.6.1810 3.10.0-957