?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👇
? 内容介绍
为了提高数据分类准确率,提出一种基于萤火虫算法和BP神经网络的分类方法.针对反向传播(BP)神经网络存在全局搜索能力差,萤火虫算法来优化BP神经网络对初始权重敏感的问题,进而实现对数据的分类.实验结果表明,所提算法对数据的分类准确率更高,分类准确率达到94.5%,而且可以加快收敛速度
? 部分代码
%==========================================================================
% 算法说明：荧火虫算法(GSO:Glowworm swarm optimisation:a new method for optimising mutlti-modal functions)
% =========================================================================
clc
clear;%清除变量
close all;
% ================================初始化开始================================
domx=[-3,3;-3,3];%定义域
%domx=[-2.048,2.048;-2.048,2.048];
rho? ?=0.4; %荧光素挥发因子
gamma =0.6; %适应度提取比例
beta? =0.08;%邻域变化率
nt? ? =5;? ?%邻域阀值(邻域荧火虫数)
s? ? ?=0.01;%步长
iot0? =5;? ?%荧光素浓度
rs? ? =3;? ?%3;%感知半径
r0? ? =1.5; %3;%决策半径
% ================================初始化结束================================
% ===============================分配空间开始===============================
m =size(domx,1);? ? %函数空间维数
n =50;? ? ? ? ? ? ? %萤火虫个数
gaddress =zeros(n,m);%分配荧火虫地址空间
ioti? ? ?=zeros(n,1);? ? %分配荧光素存放空间
rdi? ? ? =zeros(n,1);? ? ?%分配荧火虫决策半径存放空间
% ===============================分配空间结束===============================
figure(1);
sign_first = 1;
step_track = 0;
x = -3:0.1:3;
y = -3:0.1:3;
[xx,yy] = meshgrid(x,y);
j1=3*(1-xx).^2.*exp(-(xx.^2+(yy+1).^2));
j2=10*(xx./5-xx.^3-yy.^5).*exp(-(xx.^2+yy.^2));
j3=(1/3)*exp(-((xx+1).^2+yy));
zz=j1-j2-j3;
figure(1);
surf(xx,yy,zz);
hold on
% ===========================荧火虫常量初始化开始============================
%1.初始化地址
for i=1:m
? ? gaddress(:,i)=domx(i,1)+(domx(i,2)-domx(i,1))*rand(n,1);
end
gvalue = maxfun(gaddress);
gbest_old = max(gvalue);
%
%可视化
plot3(gaddress(:,1),gaddress(:,2),gvalue(:),'b*');
drawnow;
pause(1);
%
%2.初始化荧光素
ioti(:,1)=iot0;
%3.初始化决策半径
rdi(:,1)=r0;
iter_max=500;%最大迭代次数
t=1;%迭代累计
unchange = 0;
% ===========================荧火虫常量初始化结束============================
% =============================iter_max迭代开始=============================
while(t<=iter_max) && (unchange<60)
? ? %1.更新荧光素
? ? ioti=max(0,(1-rho)*ioti+gamma*maxfun(gaddress));
? ? %2.各荧火虫移动过程开始
? ? for i=1:n
? ? ? ? %2.1 决策半径内找更优点
? ? ? ? Nit=[];%存放荧火虫序号
? ? ? ? for j=1:n
? ? ? ? ? ? if (norm(gaddress(j,:)-gaddress(i,:))<rdi(i))&&(ioti(i,1)<ioti(j,1))
? ? ? ? ? ? ? ? Nit(numel(Nit)+1)=j;
? ? ? ? ? ? end
? ? ? ? end
? ? ? ? %2.2 找下一步移动的点开始
? ? ? ? if length(Nit)>0 %先判断Nit个数不为0
? ? ? ? ? ? Nitioti=ioti(Nit,1);%选出Nit荧光素
? ? ? ? ? ? SumNitioti=sum(Nitioti);%Nit荧光素和
? ? ? ? ? ? Molecular=Nitioti-ioti(i,1);%分子
? ? ? ? ? ? Denominator=SumNitioti-ioti(i,1);%分母
? ? ? ? ? ? Pij=Molecular./Denominator;%计算Nit各元素被选择概率
? ? ? ? ? ? Pij=cumsum(Pij);%累计
? ? ? ? ? ? Pij=Pij./Pij(end);%归一化
? ? ? ? ? ? Pos=find(rand<Pij);%确定位置
? ? ? ? ? ? j=Nit(Pos(1));%确定j的位置
? ? ? ? ? ? %荧火虫i向j移动一小步
? ? ? ? ? ? gaddress(i,:)=gaddress(i,:)+s*(gaddress(j,:)-gaddress(i,:))/norm(gaddress(j,:)-gaddress(i,:));
? ? ? ? ? ? gaddress(i,:)=range(gaddress(i,:),domx);%限制范围
? ? ? ? ? ??
? ? ? ? ? ? %
? ? ? ? ? ? %更新决策半径
? ? ? ? ? ? rdi(i)=rdi(i)+beta*(nt-length(Nit));
? ? ? ? ? ? if rdi(i,1)<0
? ? ? ? ? ? ? ? rdi(i,1)=0;
? ? ? ? ? ? end
? ? ? ? ? ? if rdi(i,1)>rs
? ? ? ? ? ? ? ? rdi(i,1)=rs;
? ? ? ? ? ? end
? ? ? ? end
? ? ? ? %2.2 找下一步移动的点结束
? ? end
? ? %
? ? %可视化
? ? gvalue = maxfun(gaddress);
? ? gbest_new = max(gvalue);
? ??
? ? if gbest_new > gbest_old
? ? ? ? unchange = 0;
? ? ? ? gbest_old = gbest_new;
? ? else
? ? ? ? unchange = unchange + 1;
? ? end
? ??
? ? %plot(gaddress(:,1),gaddress(:,2),'b.','markersize',6);hold on;
? ? if mod(t,20)
? ? ? ? plot3(gaddress(:,1),gaddress(:,2),gvalue(:),'b*');
? ? ? ? drawnow;
? ? ? ? pause(0.01);
? ? end
? ? %2.各荧火虫移动过程结束
? ? %保存动态图gif
? ? ? ? ? ? f=getframe(gcf);??
? ? ? ? ? ? imind=frame2im(f);
? ? ? ? ? ? [imind,cm] = rgb2ind(imind,256);
? ? ? ? ? ? ?if(sign_first==1)
? ? ? ? ? ? ? ? ?sign_first=0;
? ? ? ? ? ? ? ? imwrite(imind,cm,'track.gif','gif', 'Loopcount',inf,'DelayTime',0.02);
? ? ? ? ? ? ?else
? ? ? ? ? ? ? ? imwrite(imind,cm,'track.gif','gif','WriteMode','append','DelayTime',0.02);
? ? ? ? ? ? ?end
? ? ? ? ? ? ?%保存动态图gif
? ? t=t+1;
end
% =============================iter_max迭代结束=============================
% =============================输出最优结果开始=============================
gvalue=maxfun(gaddress);%求各个荧火虫的值
disp('最大值为：')
num=find(gvalue==max(gvalue));%最大值序号
MaxValue=-max(gvalue)
disp('最优解为：')
BestAddress=gaddress(num,:);
% =============================输出最优结果结束=============================
? 运行结果
? 参考文献
[1]彭新建, 翁小雄. 基于萤火虫算法优化BP神经网络的公交行程时间预测[J]. 广西师范大学学报：自然科学版, 2017, 35(1):9.
?? 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
?