MATLAB线性神经网络的程序，跪求。。

美国Michigan 大学的 Holland 教授提出的遗传算法(GeneticAlgorithm, GA)是求解复杂的组合优化问题的有效方法 ，其思想来自于达尔文进化论和门德尔松遗传学说 ，它模拟生物进化过程来从庞大的搜索空间中筛选出较优秀的解，是一种高效而且具有强鲁棒性方法。所以，遗传算法在求解TSP和 MTSP问题中得到了广泛的应用。

matlab程序如下：

function[opt_rte,opt_brk,min_dist] =mtspf_ga(xy,dmat,salesmen,min_tour,pop_size,num_iter)

%%

%实例

%     n = 20;%城市个数

%     xy = 10rand(n,2);%城市坐标  随机产生，也可以自己设定

%     salesmen = 5;%旅行商个数

%     min_tour = 3;%每个旅行商最少访问的城市数

%     pop_size = 80;%种群个数

%     num_iter = 200;%迭代次数

%     a = meshgrid(1:n);

%     dmat =reshape(sqrt(sum((xy(a,:)-xy(a',:))^2,2)),n,n);

%     [opt_rte,opt_brk,min_dist] = mtspf_ga(xy,dmat,salesmen,min_tour,

%         pop_size,num_iter);%函数

%%

[N,dims]= size(xy); %城市矩阵大小

[nr,nc]= size(dmat); %城市距离矩阵大小

n = N -1;% 除去起始的城市后剩余的城市的数

% 初始化路线、断点的选择

num_brks= salesmen-1;

dof = n- min_toursalesmen;       %初始化路线、断点的选择

addto =ones(1,dof+1);

for k =2:num_brks

addto = cumsum(addto);

end

cum_prob= cumsum(addto)/sum(addto);

%% 初始化种群

pop_rte= zeros(pop_size,n);          %   种群路径

pop_brk= zeros(pop_size,num_brks);    % 断点集合的种群

for k =1:pop_size

pop_rte(k,:) = randperm(n)+1;

pop_brk(k,:) = randbreaks();

end

%  画图路径曲线颜色

clr =[1 0 0; 0 0 1; 067 0 1; 0 1 0; 1 05 0];

ifsalesmen > 5

clr = hsv(salesmen);

end

%%

% 基于遗传算法的MTSP

global_min= Inf;        %初始化最短路径

total_dist= zeros(1,pop_size);

dist_history= zeros(1,num_iter);

tmp_pop_rte= zeros(8,n);%当前的路径设置

tmp_pop_brk= zeros(8,num_brks); %当前的断点设置

new_pop_rte= zeros(pop_size,n);%更新的路径设置

new_pop_brk= zeros(pop_size,num_brks);%更新的断点设置

foriter = 1:num_iter

% 计算适应值

for p = 1:pop_size

d = 0;

p_rte = pop_rte(p,:);

p_brk = pop_brk(p,:);

rng = [[1 p_brk+1];[p_brk n]]';

for s = 1:salesmen

d = d + dmat(1,p_rte(rng(s,1)));% 添加开始的路径

for k = rng(s,1):rng(s,2)-1

d = d + dmat(p_rte(k),p_rte(k+1));

end

d = d + dmat(p_rte(rng(s,2)),1); % 添加结束的的路径

end

total_dist(p) = d;

end

% 找到种群中最优路径

[min_dist,index] = min(total_dist);

dist_history(iter) = min_dist;

if min_dist < global_min

global_min = min_dist;

opt_rte = pop_rte(index,:); %最优的最短路径

opt_brk = pop_brk(index,:);%最优的断点设置

rng = [[1 opt_brk+1];[opt_brk n]]';%设置记录断点的方法

figure(1);

for s = 1:salesmen

rte = [1 opt_rte(rng(s,1):rng(s,2))1];

plot(xy(rte,1),xy(rte,2),'-','Color',clr(s,:));

title(sprintf('城市数目为 = %d,旅行商数目为 = %d,总路程 = %14f, 迭代次数 =%d',n+1,salesmen,min_dist,iter));

hold on

grid on

end

plot(xy(1,1),xy(1,2),'ko');

hold off

end

% 遗传 *** 作

rand_grouping = randperm(pop_size);

for p = 8:8:pop_size

rtes = pop_rte(rand_grouping(p-7:p),:);

brks = pop_brk(rand_grouping(p-7:p),:);

dists =total_dist(rand_grouping(p-7:p));

[ignore,idx] = min(dists);

best_of_8_rte = rtes(idx,:);

best_of_8_brk = brks(idx,:);

rte_ins_pts = sort(ceil(nrand(1,2)));

I = rte_ins_pts(1);

J = rte_ins_pts(2);

for k = 1:8 %产生新种群

tmp_pop_rte(k,:) = best_of_8_rte;

tmp_pop_brk(k,:) = best_of_8_brk;

switch k

case 2% 倒置 *** 作

tmp_pop_rte(k,I:J) =fliplr(tmp_pop_rte(k,I:J));

case 3  % 互换 *** 作

tmp_pop_rte(k,[I J]) =tmp_pop_rte(k,[J I]);

case 4 % 滑动平移 *** 作

tmp_pop_rte(k,I:J) =tmp_pop_rte(k,[I+1:J I]);

case 5% 更新断点

 tmp_pop_brk(k,:) = randbreaks();

case 6  % 倒置并更新断点

tmp_pop_rte(k,I:J) =fliplr(tmp_pop_rte(k,I:J));

tmp_pop_brk(k,:) =randbreaks();

case 7 % 互换并更新断点

tmp_pop_rte(k,[I J]) =tmp_pop_rte(k,[J I]);

tmp_pop_brk(k,:) =randbreaks();

case 8 % 评议并更新断点

tmp_pop_rte(k,I:J) =tmp_pop_rte(k,[I+1:J I]);

tmp_pop_brk(k,:) =randbreaks();

otherwise

end

end

new_pop_rte(p-7:p,:) = tmp_pop_rte;

new_pop_brk(p-7:p,:) = tmp_pop_brk;

end

pop_rte = new_pop_rte;

pop_brk = new_pop_brk;

end

figure(2)

plot(dist_history,'b','LineWidth',2);

title('历史最优解');

xlabel('迭代次数')

ylabel('最优路程')

% 随机产生一套断点 的集合

function breaks = randbreaks()

if min_tour == 1 % 一个旅行商时，没有断点的设置

tmp_brks = randperm(n-1);

breaks =sort(tmp_brks(1:num_brks));

else % 强制断点至少找到最短的履行长度

num_adjust = find(rand <cum_prob,1)-1;

spaces =ceil(num_brksrand(1,num_adjust));

adjust = zeros(1,num_brks);

for kk = 1:num_brks

adjust(kk) = sum(spaces == kk);

end

breaks = min_tour(1:num_brks) +cumsum(adjust);

end

end

disp('最优路径为：/n')

disp(opt_rte);

disp('其中断点为为：/n')

disp(opt_brk);

end

不需要用循环，直接使用逻辑数组运算更快。

我假设你的x和x(1)--x(n)是不同的变量，那么我用a来表示你的x，用x数组代表你的x(1)--x(n)

我随便给这些数赋值

a=10;

x=1:3:30;

k=5;

temp = true(size(x));

temp(k) = false;

y = prod(a - x) / prod(x(k) - x(temp));

a-x是生成数组[a-x(1), a-x(2), , a-x(n)]，prod()是吧这个数组相乘

temp是一个逻辑数组，和x相同大小，并且只有第k个数是false。x(temp)就是生成[x(1), x(2),, x(k-1), x(k+1), , x(n)]

其他的应该容易理解

补充：拉格朗日插值多项式可也这么写：

%x0，y0是已知各点坐标,共n点

x0 = [1, 2, 3];

y0 = [1, 8, 27];

n = length(x0);

%x是要求的点

x = 4;

y = 0;

for k = 1:n

temp = true(size(x0));

temp(k) = false;

y = y + y0(k) prod(x - x0(temp)) / prod(x0(k) - x0(temp));

end

PLS、PLSCV、PCR、PCRCV 不同降维方法后做线性回归，比如PCR(principle component regression) 是在PCA(principle component analysis)降维后 用dimension reduced data 进行线性拟合

matlab 程序的文件代码是以m文件的形式呈现的。将matlab代码编写进m文件内然后运行即可。

例子：

建立一个 helloworldm

文件内包括内容如下：

fprintf('Hello World!');

使用快捷键F5直接运行，然后可以在控制台下看到打印的：

Hello World!

以上就是关于MATLAB线性神经网络的程序，跪求。。全部的内容，包括:MATLAB线性神经网络的程序，跪求。。、问一下大神matlab应该怎么编程、matlab中偏最小二乘法 PLS、PLSCV、PCR、PCRCV 是什么意思的 .m文件等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！