【综合评价】基于遗传算法优化投影寻踪模型的综合评价附matlab代码
【综合评价】基于遗传算法优化投影寻踪模型的综合评价附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
作为一种处理非线性,非正态高维数据的新兴统计方法,投影寻踪技术在众多领域得到广泛应用并取得了一系列可喜的成果.本文运用遗传投影寻踪分类模型,将多维评价指标综合为一维投影值,并在此基础上建立单属性指标分类等级区间对各地区进行综合评价分类和排序,进而为宏观经济决策提供一定的科学依据.
2 部分代码
f=randi([
0
,
1
],NP,L); %随机获得初始种群
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%遗传算法循环
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%%
for
k=
1
:G
%%%
%%%
%%%
%%%
将二进制解码为定义域范围内十进制
%%%
%%%
%%%
%%%
%%
for i=1:NP
U=f(i,:);
m=0;
for j=1:L
m=U(j)*2^(j-1)+m;
end
x(i)=Xx+m*(Xs-Xx)/(2^L-1);
Fit(i)= func1(x(i));
end
maxFit=max(Fit); %
最大值
minFit=min(Fit); %最小值
rr=find(Fit==maxFit);
fBest=f(rr(
1
,
1
),
:
); %历代最优个体
xBest=x(rr(
1
,
1
));
Fit=(Fit-minFit)/(maxFit-minFit); %归一化适应度值
%%%
%%%
%%%
%%%
%%%
%%%
基于轮盘赌的复制操作
%%%
%%%
%%%
%%%
%%%
%%%
%
sum_Fit=sum(Fit);
fitvalue=Fit./sum_Fit;
fitvalue=cumsum(fitvalue);
ms=sort(rand(NP,
1
));
fiti=
1
;
newi=
1
;
while
newi<=NP
if
(ms(newi))<fitvalue(fiti)
nf(newi,
:
)=f(fiti,
:
);
newi=newi+
1
;
else
fiti=fiti+
1
;
end
end
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%基于概率的交叉操作
%%%
%%%
%%%
%%%
%%%
%%%
for
i=
1
:
2
:NP
p=rand;
if
p<Pc
q=randi([
0
,
1
],
1
,L);
for
j=
1
:L
if
q(j)==
1
;
temp=nf(i+
1
,j);
nf(i+
1
,j)=nf(i,j);
nf(i,j)=temp;
end
end
end
end
%%%
%%%
%%%
%%%
%%%
%%%
%基于概率的变异操作
%%%
%%%
%%%
%%%
%%%
%%%
%%%
%%
i=1;
while i<=round(NP*Pm)
h=randi([1,NP],1,1); %
随机选取一个需要变异的染色体
for
j=
1
:round
(L*Pm)
g=randi([
1
,L],
1
,
1
); %随机需要变异的基因数
nf(h,g)=~nf(h,g);
end
i=i+
1
;
end
f=nf;
f(
1
,
:
)=fBest; %保留最优个体在新种群中
trace(k)=maxFit; %历代最优适应度
end
xBest; %最优个体
figure
plot(trace)
xlabel(
’迭代次数’
)
ylabel(
’目标函数值’
)
title(
’适应度进化曲线’
)
3 仿真结果
4 参考文献
[1]胡松华. 基于遗传算法的投影寻踪分类模型在区域经济综合评价中的应用[J]. 经济与社会发展研究, 2014(A06):3.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。