qq_36294338的博客

题目：采用贝叶斯正则化算法提高BP网络的推广能力，用来训练BP网络，使其能够拟合某一附加白噪声的正弦样本数据。解答：采用贝叶斯正则化算法‘trainbr’训练BP网络，目标误差goal=1×10^-3，学习率lr=0.05,最大迭代次数epochs=500，拟合附加有白噪声的正弦样本数据，拟合数据均方根误差为0.0054，拟合后的图形用以下代码可以得出。Matalb代码：clear all; %清除所有变量close all; %清图clc; %清屏%定义训练样本矢量　Ｐ为输入矢量P=

题目： 旅行商问题（TSP问题）。假设有一个旅行商人要拜访全国31个省会城市，他需要选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择要求是：所选路径的路程为所有路径之中的最小值。全国31个省会城市的坐标为[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;3238 1229;4196 1044;4312 790;4386 570;3007 1970;2562 1756;2788 1491;238

题目：计算函数f(x)=∑i=1nxi2\sum_{i=1}^{n}x_i^2∑i=1n​xi2​(-20≤xix_ixi​≤20)的最小值，其中个体x的维数n=10。解答：优化结束后，根据所得的图可知，优化后的结果为：x=[-0.0282 0.0046 -0.0158 0.0265 0.0345 0.0436 -0.0467 0.0006 0.0179 -0.0282],函数f(x)的最小值为8.156×10^-3。Matlab代码：%初始化clear all; %清除所有变量close all

题目：计算函数f(x)=∑i=1nxi2\sum_{i=1}^{n}x_i^2∑i=1n​xi2​(-20≤xix_ixi​≤20)的最小值，其中个体x的维数n=10。解答：优化结束后，根据所得的图可知，优化后的结果为x=[-0.6325 0.1572 -0.4814 0.1091 -0.3154 0.2236 -0.3991 0.5907 0.0221 -0.1172]×10^-4, 函数f(x)的最小值是1.34×10^-8。Matlab代码：%初始化clear all; %清除所有变量cl

题目： 旅行商问题（TSP问题）。假设有一个旅行商人要拜访全国31个省会城市，他需要选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择要求是：所选路径的路程为所有路径之中的最小值。全国31个省会城市的坐标为[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;3238 1229;4196 1044;4312 790;4386 570;3007 1970;2562 1756;2788 1491;238

题目：计算函数f(x)=∑i=1nxi2\sum_{i=1}^{n}x_i^2∑i=1n​xi2​(-20≤xix_ixi​≤20)的最小值，其中个体x的维数n=10。解答：优化结束后，根据所得的图可知，优化后的结果为x=[0.0002-0.0035-0.0036-0.0007-0.0000-0.0009-0.0004-0.0005-0.0010-0.0070]，函数f(x)的最小值为7.626×10^-5。Matlab代码：clear all; %清除所有变量close all; %清图clc;

题目：计算函数f(x)的最小值，其中个体x的维数n=10。解答：优化结束后，根据所得的图可知，优化后的结果为x=[0.0007-0.0010-0.0014-0.0007-0.0015-0.0005-0.0001-0.0008-0.0019-0.0011]，函数f(x)的最小值为2.713×10^-6。clear all; %清除所有变量close all; %清图clc; %清屏NP=50; %种群数量D=10; %变量的维数 G=200; %最大进化代数F0=0.4; %初始

遗传算法的题目和解答（Matlab代码）题目：用标准遗传算法求解函数的最大值，其中的取值范围是。解答：