效果一覽

四目標效果

三目標效果

基本介紹

1.AGDO-BP+NSGAII，梯度下降優化算法優化BP神經網絡+NSGAII多目標優化算法，工藝參數優化、工程設計優化！（Matlab完整源碼和數據），梯度下降優化算法優化BP神經網絡的權值和閾值，運行環境Matlab2020b及以上。Adam梯度下降優化算法（Adam Gradient Descent Optimizer ，AGDO）利用漸進式梯度動量積分、動態梯度交互系統和系統優化算子探索搜索過程，今年7月最新發表在JCR 1區 SCI，Nature子刊上。


多目標優化是指在優化問題中同時考慮多個目標的優化過程。在多目標優化中，通常存在多個沖突的目標，即改善一個目標可能會導致另一個目標的惡化。因此，多目標優化的目標是找到一組解，這組解在多個目標下都是最優的，而不是僅僅優化單一目標。

2.先通過AGDO-BP封裝因變量(四目標y1 y2 y3 y4或者三目標y1 y2 y3）與自變量(x1 x2 x3 x4 x5）代理模型，再通過nsga2尋找y極值（四目標y1極大，y2 y3 y4極小；三目標y1極大;y2 y3極小），并給出對應的x1 x2 x3 x4 x5Pareto解集。

3.excel數據集，5個輸入特征，4個輸出變量/3個輸出變量，NSGAII算法尋極值，求出極值時(四目標max y1，min y2 miny3 miny4；三目標max y1，min y2 miny3)的自變量x1,x2,x3,x4,x5。

4.main1.m為AGDO-BP神經網絡主程序文件、main2.m為NSGAII多目標優化算法主程序文件，依次運行即可，其余為函數文件，無需運行。

5.命令窗口輸出MAE、MAPE、MSE、RMSE等評價指標，輸出相關性分析氣泡圖、適應度迭代圖、預測對比圖、誤差分析圖、多目標優化算法求解Pareto解集圖，可在下載區獲取數據和程序內容。

6.適合工藝參數優化、工程設計優化等最優特征組合領域。

NSGA-II算法的基本思想與技術路線
1） 隨機產生規模為N的初始種群Pt，經過非支配排序、 選擇、 交叉和變異， 產生子代種群Qt， 并將兩個種群聯合在一起形成大小為2N的種群Rt；
2）進行快速非支配排序， 同時對每個非支配層中的個體進行擁擠度計算， 根據非支配關系以及個體的擁擠度選取合適的個體組成新的父代種群Pt+1；
3） 通過遺傳算法的基本操作產生新的子代種群Qt+1， 將Pt+1與Qt+1合并形成新的種群Rt， 重復以上操作， 直到滿足程序結束的條件。

數據集

程序設計

• 完整程序和數據獲取方式：私信博主回復Nature子刊梯度下降優化算法優化BP神經網絡+NSGAII多目標優化算法（AGDO-BP+NSGAII），三目標和四目標案例！。

%%  仿真測試
t_sim1 = sim(net, p_train);
t_sim2 = sim(net, p_test );%%  數據反歸一化
T_sim1 = mapminmax('reverse', t_sim1, ps_output);
T_sim2 = mapminmax('reverse', t_sim2, ps_output);
%% 定義結果存放模板
empty.position = [];        %輸入變量存放
empty.cost = [];            %目標函數存放
empty.rank = [];            % 非支配排序等級
empty.domination = [];      %支配個體集合
empty.dominated = 0;        %支配個體數目
empty.crowdingdistance = [];%個體聚集距離
pop = repmat(empty, npop, 1);
%% 1、初始化種群
for i = 1 : npoppop(i).position = create_x(var);   %產生輸入變量（個體）pop(i).cost = costfunction(pop(i).position);%計算目標函數
end
%% 2、構造非支配集
[pop,F] = nondominatedsort(pop);
%% 計算聚集距離
pop = calcrowdingdistance(pop,F);
%% 主程序（選擇、交叉、變異）

參考資料

基于PSO-BP粒子群優化神經網絡+NSGAII多目標優化算法的工藝參數優化、工程設計優化！

工藝參數優化、工程設計優化！GRNN神經網絡+NSGAII多目標優化算法（Matlab）

工藝參數優化、工程設計優化陪您跨年！RBF神經網絡+NSGAII多目標優化算法（Matlab）
工藝參數優化、工程設計優化來襲！BP神經網絡+NSGAII多目標優化算法（Matlab）

北大核心工藝參數優化！SAO-BP雪融算法優化BP神經網絡+NSGAII多目標優化算法（Matlab）

工藝參數優化、工程設計優化上新！Elman循環神經網絡+NSGAII多目標優化算法（Matlab）

強推未發表！3D圖！Transformer-LSTM+NSGAII工藝參數優化、工程設計優化！

SCI配圖+多目標優化！Transformer-GRU+NSGAII工藝參數優化、工程設計優化！

基于SSA-BP麻雀搜索算法優化神經網絡+NSGAII多目標優化算法的工藝參數優化、工程設計優化！