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(fù)雜問題的統(tǒng)計(jì)方法，其基本思路是將高維數(shù)據(jù)向低維空間進(jìn)行投影，通過低維投影數(shù)據(jù)的散布結(jié)構(gòu)來研究高維數(shù)據(jù)特征，可用于聚類、分類、綜合評價(jià)、預(yù)測等。投影尋蹤模型最終可歸結(jié)為一個(gè)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(jìn)行求解，得到最優(yōu)的投影向量。%第一步：仿真參數(shù)設(shè)置clcclearcloseallloaddata1.txtD=datai;%導(dǎo)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=-o

2、nes(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);%GreenSim團(tuán)隊(duì)專業(yè)級算法設(shè)計(jì)&代寫程序%歡迎訪問GreenSim團(tuán)隊(duì)主頁f%整理輸出結(jié)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%投影散布圖plot(abs(Z),bd,LineWidth,1,MarkerEdgeColor,k,MarkerFaceColor,b,MarkerSize,5);%axis(l,12,0,2.5);%圖形邊界根據(jù)需要顯示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);%圖形邊界根據(jù)需要顯示gridonxlabel(,FontName,TimesNewRoman,FontSize,12)Value,FontName,TimesNewRoman,Fontsize,12)%disp(最佳投影向量為)disp(Best_a);functionBESTX,BESTY,ALLX,ALLY=IGAUCP(K,N,Pm,LB,UB,D,Alpha)%遺傳算法求解投影尋蹤模型%GreenSim團(tuán)隊(duì)專業(yè)級算法設(shè)計(jì)&代寫程序%歡迎訪問GreenSim團(tuán)

5、隊(duì)主頁f%輸入?yún)?shù)列表%K迭代次數(shù)%N種群規(guī)模，要求是偶數(shù)%Pm變異概率%LB決策變量的下界，MX1的向量%UB決策變量的上界，MX1的向量%D原始樣本數(shù)據(jù)，nXp的矩陣%Alpha窗口半徑系數(shù)，典型取值0.1%輸出參數(shù)列表%BESTXKX1細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MX1向量，記錄每一代的最優(yōu)個(gè)體%BESTYKX1矩陣，記錄每一代的最優(yōu)個(gè)體的評價(jià)函數(shù)值%ALLXKX1細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MXN矩陣，記錄全部個(gè)體%ALLYKXN矩陣，記錄全部個(gè)體的評價(jià)函數(shù)值oyoyrH%第一步：M=length(LB);%決策變量的個(gè)數(shù)%種群初始化，每一列是一個(gè)樣本farm=zeros(M,N);fori=1:

6、Mx=unifrnd(LB(i),UB(i),1,N);farm(i,:)=x;end%輸出變量初始化ALLX=cell(K,1);%細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MXN矩陣，記錄每一代的個(gè)體ALLY=zeros(K,N);%KXN矩陣，記錄每一代評價(jià)函數(shù)值BESTX=cell(K,1);%細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MX1向量，記錄每一代的最優(yōu)個(gè)體BESTY=zeros(K,1);%KX1矩陣，記錄每一代的最優(yōu)個(gè)體的評價(jià)函數(shù)值k=1;%迭代計(jì)數(shù)器初始化%第二步：迭代過程whilek=K%以下是交叉過程newfarm=zeros(M,2*N);Ser二randperm(N);%兩兩隨機(jī)配對的配對表A=far

7、m(:,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*N1)=a;%加入子代種群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;%選擇復(fù)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