加载中…
个人资料
GreenSim团队
GreenSim团队
  • 博客等级:
  • 博客积分:0
  • 博客访问:448,549
  • 关注人气:680
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

基于遗传算法的投影寻踪模型Matlab源码

(2009-07-26 12:41:27)
标签:

杂谈

基于遗传算法的投影寻踪模型Matlab源码

%% “投影寻踪+遗传算法优化”的主仿真程序
% GreenSim团队原创作品,转载请注明
% Email:greensim@163.com
% GreenSim团队主页:http://blog.sina.com.cn/greensim
% [color=red]欢迎访问GreenSim——算法仿真团队→[url=http://blog.sina.com.cn/greensim]http://blog.sina.com.cn/greensim[/url][/color]
%% 第一步:仿真参数设置
clear
clc
close all
load Q5.txt
DD=Q5;%导入D矩阵
[n,p]=size(DD);
np=15;           %训练样本的个数,前面1~np个样本用于建立模型,剩下的样本用于预测
if np>=n
    error('用于预测的样本个数不能大于或等于样本总数,请重新设置');
end
year=1:np;%选择参与计算的样本,默认选择全部
Factor=1:p;%选择部分指标,默认选择全部
D=DD(year,Factor);
K=50;            %迭代次数
N=30;            %种群规模
Pm=0.3;          %变异概率
LB=-ones(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

%% 调用遗传算法优化投影寻踪模型的程序

[BESTX,BESTY,ALLX,ALLY]=GAUCP(K,N,Pm,LB,UB,D,Alpha)

%% 以下均为整理输出结果
%所有数据都在workspace里,最值得关注的三个数据是
% Z            投影指标值,和参考文献里的符号是一致的
% Best_a       最佳投影向量,参考文献里也是用的符号a,这里加了个前缀Best,表示最佳
% BESTY        投影寻踪模型中的目标函数的变化情况,文献中的模型是最大化模型,这里按照惯例,对其加了个负号成为最小化模型

Best_a=(BESTX{K})';%方向向量
disp('最佳投影向量为');
disp(Best_a);
d=zeros(np,p);
DDjmax=max(DD);
DDjmin=min(DD);
for i=1:np
    d(i,:)=(DD(i,:)-DDjmin)./(DDjmax-DDjmin);
end
Z=zeros(np,1);
for i=1:np
    Z(i)=abs(sum(Best_a.*d(i,:)));
end
Z=abs(Z);

%%
figure(2)%投影散布图
plot(year,abs(Z),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);
%axis([1,12,0,2.5]);%图形边界根据需要显示
grid on
xlabel('Year','FontName','Times New Roman','FontSize',12);
ylabel('Projective Value','FontName','Times New Roman','Fontsize',12);
%%
figure(3)
[newZ,I]=sort(Z);
newyear=year(I);
plot(year,abs(newZ),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);
%axis([1,12,0,2.5]);%图形边界根据需要显示
grid on
xlabel('Year','FontName','Times New Roman','FontSize',12);
ylabel('Projective Value','FontName','Times New Roman','Fontsize',12);
%%
n2=n-np;
d2=zeros(n2,p);
for i=1:n2
    d2(i,:)=(DD(i+np,:)-DDjmin)./(DDjmax-DDjmin);
end
Z2=zeros(n2,1);
for i=1:n2
    Z2(i)=abs(sum(Best_a.*d2(i,:)));
end
Z2=abs(Z2);
disp('预测样本的投影预测值为');
disp(Z2);
%%
figure(4)%投影散布图
plot([Z;Z2],'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);
hold on
plot((np+1):n,Z2,'bo','LineWidth',1,'MarkerEdgeColor','r','MarkerFaceColor','r','MarkerSize',5);
legend('训练样本投影值','预测样本投影值');
%axis([1,12,0,2.5]);%图形边界根据需要显示
grid on
xlabel('Year','FontName','Times New Roman','FontSize',12);
ylabel('Projective Value','FontName','Times New Roman','Fontsize',12);

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有