基于遺傳算法(粒子群算法、人工魚群算法等)的投影尋蹤模型matlab源代碼

1、基于遺傳算法（粒子群算法、人工魚群算法等）的投影尋蹤模型MATLAB 源代碼投影尋蹤是一種處理多因素復雜問題的統(tǒng)計方法，其基本思路是將高維數(shù)據(jù)向低維空間進行投影，通過低維投影數(shù)據(jù)的散布結構來研究高維數(shù)據(jù)特征，可用于聚類、分類、綜合評價、預測等。投影尋蹤模型最終可歸結為一個非線性連續(xù)函數(shù)優(yōu)化模型，可以采用遺傳算法、粒子群算法、人工魚群算法或人工免疫克隆優(yōu)化算法等進行求解，得到最優(yōu)的投影向量。%% 第一步：仿真參數(shù)設置clcclearclo

2、se allload data1.txtD=data1;%導入 D 矩陣[n,p]=size(D);K=300;%迭代次數(shù)N=100;%種群規(guī)模Pm=0.3;%變異概率LB=-ones(1,p);%決策變量的下界UB=ones(1,p);%決策變量的上界Alpha=0.1;%窗口半徑系數(shù)，典型取值 0.1b%% 調(diào)用遺傳算法[BESTX,BESTY,ALLX,ALLY]=GAUCP(K,N,Pm,LB,UB,D,Alpha);% Gr

3、eenSim 團隊——專業(yè)級算法設計%方向向量d=zeros(n,p);Djmax=max(D);Djmin=min(D);for i=1:nd(i,:)=(D(i,:)-Djmin)./(Djmax-Djmin);endZ=zeros(n,1);for i=1:nZ(i)=abs(sum(Best_a.*d(i,:)));endZ=abs(Z);figure%投影散布圖plot(abs(Z),'bd','Lin

4、eWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);BESTY=zeros(K,1);%K×1 矩陣，記錄每一代的最優(yōu)個體的評價函數(shù)值k=1;%迭代計數(shù)器初始化%% 第二步：迭代過程while k<=K%% 以下是交叉過程newfarm=zeros

5、(M,2*N);Ser=randperm(N);%兩兩隨機配對的配對表A=farm(:,Ser(1));B=farm(:,Ser(2));P0=unidrnd(M-1);a=[A(1:P0,:);B((P0+1):end,:)];%產(chǎn)生子代 ab=[B(1:P0,:);A((P0+1):end,:)];%產(chǎn)生子代 bnewfarm(:,2*N-1)=a;%加入子代種群newfarm(:,2*N)=b; for i=1:(N-1)A

6、=farm(:,Ser(i));B=farm(:,Ser(i+1));P0=unidrnd(M-1);a=[A(1:P0,:);B((P0+1):end,:)];b=[B(1:P0,:);A((P0+1):end,:)];newfarm(:,2*i-1)=a;newfarm(:,2*i)=b;end FARM=[farm,newfarm]; %% 選擇復制SER=randperm(3*N);FITNESS=zeros(1,3

7、*N);fitness=zeros(1,N);for i=1:(3*N)Beta=FARM(:,i);FITNESS(i)=FIT(Beta,D,Alpha);endfor i=1:Nf1=FITNESS(SER(3*i-2));f2=FITNESS(SER(3*i-1));f3=FITNESS(SER(3*i));if f1<=f2fitness(:,i)=FITNESS(:,SER(3*i-2));elseif f2<=