求PSO—BP神经网络训练方法，matlab实现的

输入层、隐层的神经元激励函数选为S型函数，输出层采用线性函数purelin。各层的节点数分别为3、10、2，训练步数选为1500次。在Matlab中进行BP神经网络的建立、训练、仿真，结果如下：

T=[0.23 0.23]目标输出值

P=[-04953 -0.4915 0.4889 0.61600.3708 0.4535]输入矩阵三行两列

net=newff(minmax(P),[5,12,1],{'tansig','tansig','purelin'},'traingd')网络建立、训练

net.trainParam.epochs=1500训练步数

net.trainParam.goal=0.00001均方误差

[net,tr]=train(net,P,T)进行训练

y=sim(net,P)输出的结果

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) *** 作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。

---