预测模型] 基于随机蛙跳算法的 SFLA 优化神经网络，用 matlab 代码实现数据回归预测

✅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????

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

随机蛙跳算(Shuffled Frog Leaping Lgorithm,SFLA)是进化计算领域中一种新兴,有效的亚启发式群体计算技术,近几年来逐渐受到学术界和工程优化领域的关注.SFLA结合了具有较强局部搜索(Local Search,LS)能力的元算(Memetic Algorithm,MA)和具有良好全局搜索(Global Search,GS)性能的粒子群算法(Particle Swarm Optimization,PSO)特点,因此其寻优能力强,易于编程实现.详细阐述了SFLA的基本原理和流程,总结了SFLA目前在优化和工程技术等领域中的研究,展望了SFLA的发展前景.

⛄ 部分代码

function NMSE_calc = NMSE( wb, net, input, target)

% wb is the weights and biases row vector

% It must be transposed when transferring the weights and biases to the network net.

 net = setwb(net, wb');

% The net output matrix is given by net(input). The corresponding error matrix is given by

 error = target - net(input);

% The mean squared error normalized by the mean target variance is

 NMSE_calc = mean(error.^2)/mean(var(target',1));

% It is independent of the scale of the target components and related to the Rsquare statistic via

% Rsquare = 1 - NMSEcalc

⛄ 运行结果

⛄ 参考文献

[1]曾庆凯. 蛙跳算法的改进及其应用研究[D]. *大学.

[2]牛凡超. 基于改进蛙跳算法的小波神经网络短期电力负荷预测研究[D]. 西南交通大学, 2017.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料