基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码

1、基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码投影寻踪是一种处理多因素复杂问题的统计方法，其基本思路是将高维数据向低维空间进行投影，通过低维投影数据的散布结构来研究高维数据特征，可用于聚类、分类、综合评价、预测等。投影寻踪模型最终可归结为一个非线性连续函数优化模型，可以采用遗传算法、粒子群算法、人工鱼群算法或人工免疫克隆优化算法等进行求解，得到最优的投影向量。%第一步：仿真参数设置clcclearcloseallloaddata1.txtD=datai;%导入D矩阵n,p=size(D);K=300;%迭代次数N=100;%种群规模Pm=0.3;%变异概率LB=-o

2、nes(1,p);%决策变量的下界UB=ones(1,p);%决策变量的上界Alpha=0.1;%窗口半径系数，典型取值0.1b%调用遗传算法BESTX,BESTY,ALLX,ALLY=GAUCP(K,N,Pm,LB,UB,D,Alpha);%GreenSim团队专业级算法设计&代写程序%欢迎访问GreenSim团队主页f%整理输出结果Best_a=(BESTXK);%方向向量d=zeros(n,p);Djmax=max(D);Djmin=min(D);fori=1:nd(i,:)=(D(i,:)-Djmin)./(Djmax-Djmin);endZ=zeros(n,1);fori=1:nZ(

3、i)=abs(sum(Best_a.*d(i,:)endZ=abs(Z);figure%投影散布图plot(abs(Z),bd,LineWidth,1,MarkerEdgeColor,k,MarkerFaceColor,b,MarkerSize,5);%axis(l,12,0,2.5);%图形边界根据需要显示gridonxlabel(,FontName,TimesNewRoman,FontSize,12)Value,FontName,TimesNewRoman,Fontsize,12)figurenewZ,I=sort(Z);plot(abs(newZ),bd,LineWidth,1,Mark

4、erEdgeColor,k,MarkerFaceColor,b,MarkerSize,5);%axis(l,12,0,2.5);%图形边界根据需要显示gridonxlabel(,FontName,TimesNewRoman,FontSize,12)Value,FontName,TimesNewRoman,Fontsize,12)%disp(最佳投影向量为)disp(Best_a);functionBESTX,BESTY,ALLX,ALLY=IGAUCP(K,N,Pm,LB,UB,D,Alpha)%遗传算法求解投影寻踪模型%GreenSim团队专业级算法设计&代写程序%欢迎访问GreenSim团

5、队主页f%输入参数列表%K迭代次数%N种群规模，要求是偶数%Pm变异概率%LB决策变量的下界，MX1的向量%UB决策变量的上界，MX1的向量%D原始样本数据，nXp的矩阵%Alpha窗口半径系数，典型取值0.1%输出参数列表%BESTXKX1细胞结构，每一个元素是MX1向量，记录每一代的最优个体%BESTYKX1矩阵，记录每一代的最优个体的评价函数值%ALLXKX1细胞结构，每一个元素是MXN矩阵，记录全部个体%ALLYKXN矩阵，记录全部个体的评价函数值oyoyrH%第一步：M=length(LB);%决策变量的个数%种群初始化，每一列是一个样本farm=zeros(M,N);fori=1:

6、Mx=unifrnd(LB(i),UB(i),1,N);farm(i,:)=x;end%输出变量初始化ALLX=cell(K,1);%细胞结构，每一个元素是MXN矩阵，记录每一代的个体ALLY=zeros(K,N);%KXN矩阵，记录每一代评价函数值BESTX=cell(K,1);%细胞结构，每一个元素是MX1向量，记录每一代的最优个体BESTY=zeros(K,1);%KX1矩阵，记录每一代的最优个体的评价函数值k=1;%迭代计数器初始化%第二步：迭代过程whilek=K%以下是交叉过程newfarm=zeros(M,2*N);Ser二randperm(N);%两两随机配对的配对表A=far

7、m(:,Ser(1);B=farm(:,Ser(2);P0=unidrnd(M-1);a=A(1:P0,:);B(P0+1):end,:);%产生子代ab=B(1:P0,:);A(P0+1):end,:);%产生子代bnewfarm(:,2*N1)=a;%加入子代种群newfarm(:,2*N)=b;fori=1:(N1)A=farm(:,Ser(i);B=farm(:,Ser(i+1);P0=unidrnd(M1);a=A(1:P0,:);B(P0+1):end,:);b=B(1:P0,:);A(P0+1):end,:);newfarm(:,2*i1)=a;newfarm(:,2*i)=b;

8、endFARM=farm,newfarm;%选择复制SER=randperm(3*N);FITNESS=zeros(1,3*N);fitness=zeros(1,N);fori=1:(3*N)Beta=FARM(:,i);FITNESS(i)=FIT(Beta,D,Alpha);endfori=1:Nf1=FITNESS(SER(3*i2);f2=FITNESS(SER(3*i1);f3=FITNESS(SER(3*i);iff1=f2&f1=f3farm(:,i)=FARM(:,SER(3*i2);fitness(:,i)=FITNESS(:,SER(3*i2)elseiff2=f1&f2rand&pos(1)=iAA=farm