基于matlab建模，本模型是通过遗传算法优化BP神经网络进行预测，最后输出进化过程图、预测效果对比图、误差图和RMSE、MAE、MAPE、R2等评价指标。可以结合自己的数据集运行，需要修改的地方均备注了，适合新手入门，包括main.m、BpFunction.m、Objfun.m三个.m文件。 本文件代码是基于【每行一个样本，每列一个特征】，如果数据集以列为样本请注意转置！运行前需安装matlab遗传算法工具箱。

基于遗传算法优化BP神经网络的数据回归预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据回归预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据回归预测（Matlab完整程序和数据）

基于遗传算法优化BP神经网络的时间序列预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的时间序列预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的时间序列预测（Matlab完整程序和数据） 运行版本2018及以上

基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于遗传算法优化BP神经网络的数据分类预测（Matlab完整程序和数据） 运行版本2018及以上

神经网络遗传算法bp网络，有关网络训练如何正确进行分类

黄金价格受多种因素影响，具有高度的非线性和随机特征。 一些传统的预测方法过分强调线性关系，而另一些则忽略了价格随机性。 预测误差相对较大。 因此，提出了一种基于主成分分析（PCA）和遗传算法（GA）的BP神经网络模型，用于黄金价格的短期预测。 BP可以建立金价预测模型。 遗传算法优化了BP神经网络的权值和阈值，克服了BP算法容易陷入局部极小的缺点。 PCA可以有效简化网络输入变量并加快收敛速度​​。 结果表明，与GA-BP和BP相比，PCA-GA-BP神经网络模型的收敛速度更快，金价预测的预测精度更高。

在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方法准确建模。在这种情况下，可以建立BP神经网络表达这些非线性系统。BP神经网络是一种反向传递并且能够修正误差的多层映射函数，它通过对未知系统的输入输出参数进行学习之后，便可以联想记忆表达该系统。但是由于BP网络是在梯度法基础上推导出来的，要求目标函数连续可导，在进化学习的过程中熟练速度慢，容易陷入局部最优，找不到全局最优值。并且由于BP网络的权值和阀值在选择上是随机值，每次的初始值都不一样，造成每次训练学习预测的结果都有所差别。遗传算法是一种全局搜索算法，把BP神经网络和遗传算法有机融合，充分发挥遗传算法的全局搜索能力和BP神经网络的局部搜索能力，利用遗传算法来弥补权值和阀值选择上的随机性缺陷，得到更好的预测结果。

基于遗传算法优化的BP神经网络是科研中的常用方法，通过遗传算法优化初始神经网络的权值阈值，使模型更快收敛，同时降低陷入局部最优的可能，本资源代码中，只需更改加载数据，拿来即用。

本代码主要利用遗传算法对经典BP神经网络进行优化，应用于非线性函数的拟合

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题，提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中，PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定，模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整，仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案，仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。