【BP回归预测】基于matlab布谷鸟算法优化BP神经网络回归预测（多输入单输出）【含Matlab源码 1555期】

一、布谷鸟算法简介

布谷鸟算法，英文叫做Cuckoo search (CS algorithm)。首先还是同样，介绍一下这个算法的英文含义， Cuckoo是布谷鸟的意思，啥是布谷鸟呢，是一种叫做布谷的鸟，o(∩_∩)o ，这种鸟她妈很懒，自己生蛋自己不养，一般把它的宝宝扔到别的种类鸟的鸟巢去。但是呢，当孵化后，遇到聪明的鸟妈妈，一看就知道不是亲生的，直接就被鸟妈妈给杀了。于是这群布谷鸟宝宝为了保命，它们就模仿别的种类的鸟叫，让智商或者情商极低的鸟妈妈误认为是自己的亲宝宝，这样它就活下来了。
布谷鸟搜索算法（Cuckoo Search, CS）是2009年Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出的一种优化算法。布谷鸟算法是一种集合了布谷鸟巢寄生性和莱维飞行（Levy Flights）模式的群体智能搜索技术，通过随机游走的方式搜索得到一个最优的鸟巢来孵化自己的鸟蛋。这种方式可以达到一种高效的寻优模式。

1 布谷鸟的巢寄生性

2 莱维飞行

图1.模拟莱维飞行轨迹示意图

3 布谷鸟搜索算法的实现过程

4 CS-BP神经网络
CS算法具有提高算法的局部和全局寻优的等优点。为了改善BP神经网络对初始权值和阈值的依赖问题，将CS算法运用到BP神经网络中，在网络进行训练前，运用CS算法对网络初始权值和阈值进行寻优，得到的最优解再赋
值给网络进行训练，这种方法可以有效地避免BP神经网络 因为初始权值和阈值而容易陷入局部最小的问题，同时改善了BP神经网络的收敛速度。 总算法流程如图２所示。CS算法优化 BP神经网络算法步骤： １）初始化鸟巢数ｎ、Ｐａ 及最大迭代次数Ｎｍａｘ等参数； ２）随机产生ｎ个鸟巢的初始位置：ｑｉ（０）＝ ［ｘ（０） １ ，ｘ（０） ２ ， …，ｘｎ（０）］Ｔ ，该位置与BP神经网络初始阈值和权值相对应，BP神经网络训练得到的误差作为其适应度值，计算鸟巢初
始位置的适应度值； ３）根据适应度值找出当代的最佳鸟巢的位置ｘｄ（０），并 根据式 （１５）更新鸟巢位置，得到新的鸟巢位置； ４）计算新鸟巢位置，得 出 较 优 的 一 组 鸟 巢 位 置ｅｋ ＝ ［ｘ（ｋ） １ ，ｘ（ｋ） ２ ，…，ｘｎ（ｋ）］Ｔ ； ５）将ｒ与Ｐａ 进行比较，保留ｅｋ 中较小的的Ｐａ 鸟巢， 并更新较大Ｐａ 鸟巢位置，得出一组新鸟巢位置，并用好的 替代ｅｋ 中较差的鸟巢位置，得出新一组较佳鸟巢位置ｑｋ＝ ［ｘ（ｋ） １ ，ｘ（ｋ） ２ ，…，ｘｎ（ｋ）］Ｔ ； ６）找出ｑｋ 中最佳的一个鸟巢位置ｘｄ（ｋ），如果达到最大 迭代次数，则停止搜索，并输出最佳位置ｘｄ（ｋ），否则，回到 步骤３）继续执行；

７）根据最佳鸟巢位置ｘｄ（ｋ） 对应的参数作为 ＢＰ 神经网 络初始阈值和权值，对训练集进行训练。

二、部分源代码

%% 初始化
clear
close all




  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]周品.MATLAB 神经网络设计与应用[M].清华大学出版社，2013.
[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社，2013.
[5]方清城.MATLAB R2016a神经网络设计与应用28个案例分析[M].清华大学出版社，2018.
[6]魏新尧,佘世刚,容伟,刘爱琦.基于布谷鸟算法优化BP神经网络的锂电池健康状态预测[J].计算机测量与控制. 2021,29(04)

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/121630787