首页/ 编程语言 使用天鹰优化算法对变形监测数据进行优化时编写matlab代码出现问题

Question

在matlab环境使用天鹰优化算法进行变形监测的数据优化时出现了报错：模型参数数量不正确，应该为2（对应于线性模型的斜率和截距）
请问应该如何修改？

% 初始化全局最优解和其适应度值
globalBestFitness = Inf;
globalBestSolution = [];

popSize = 50; % 种群大小
maxIter = 100; % 最大迭代次数
yourTrueData=[0,0.2,-0.76,-0.66,-0.46,0.14,0,-0.2,-0.4,-0.2,1.1,1.3,1.4,0.8,0.9,0.8,0.7,0.6,0.7,0.5,0.7,0.4,-0.2,-0.1,-0.3,-0.2,-0.5,-0.2,-0.2,0.3,0.5,1.3,1.7,2.4,2.9,2.9,2.7,3.1,3.7,4.2,3.6,3.2,2.9,2.4,1.2,1.2,1,1,-0.2,0.1,-0.6,-1.2,-0.8,-1,-1.2];
dim = size(yourTrueData, 2); % 变量维度（假设yourTrueData是列向量或行数大于列数的矩阵）
disp(dim);
lb = -10; % 变量下界
ub = 10; % 变量上界
pop = lb + (ub - lb) * rand(popSize, dim); % 随机生成初始种群
fitness = zeros(popSize, 1); % 初始化适应度值

% 假设你的模型是一个线性模型，此处使用true_data作为训练数据
true_data = yourTrueData; 

for iter = 1:maxIter
    for i = 1:popSize
        fitness(i) = FitnessFunction(pop(i, :), true_data); % 调用自定义的适应度函数计算适应度值，并传入原始数据
    end

    % 更新天鹰位置
    for i = 1:popSize
        % 随机选择两个不同的天鹰
        idx = randperm(popSize, 2);
        eagle1 = pop(idx(1), :);
        eagle2 = pop(idx(2), :);
        
        % 更新当前天鹰位置
        pop(i, :) = eagle1 + rand(1, dim) .* (eagle1 - eagle2);
        
        % 边界处理
        pop(i, :) = max(pop(i, :), lb);
        pop(i, :) = min(pop(i, :), ub);
    end
    
    % 计算适应度函数
    for i = 1:popSize
        fitness(i) = FitnessFunction(pop(i, :));
    end
    
    % 更新全局最优解

    if bestFitness < globalBestFitness
        globalBestFitness = bestFitness;
        globalBestSolution = pop(bestIdx, :);
    end
    
    % 显示当前迭代结果
    disp(['Iteration: ' num2str(iter) ', Best Fitness: ' num2str(bestFitness)]);
    disp(bestSolution);
end
% 输出最终全局最优解及其对应的预测值
disp(['Global Best Fitness: ' num2str(globalBestFitness)]);
disp('Global Best Solution:');
disp(globalBestSolution);

% 使用最优参数进行预测，并与原始数据对比
X = 1:size(true_data, 1); % 假设数据索引作为特征
y_pred = YourPredictionFunction(globalBestSolution, X);% 根据你的模型定义预测函数
comparison = [true_data y_pred];
disp('Comparison of True Data and Predicted Data:');
disp(comparison);

% 可视化原始数据和预测数据
figure;
plot(true_data, '-o', 'MarkerSize', 5, 'LineWidth', 1.5, 'DisplayName', 'True Data');
hold on;
plot(y_pred, '-s', 'MarkerSize', 5, 'LineWidth', 1.5, 'DisplayName', 'Predicted Data');
legend('show');
xlabel('Data Index');
ylabel('Data Value');

function fitness = FitnessFunction(x, true_data)
    % 根据已知数据进行计算，返回适应度值
    % 假设我们正在寻找一个拟合true_data的最佳线性模型
    model_params = reshape(x, [], 1);  % 假设x的长度等于2（对应于线性模型的a和b）
    
    if numel(model_params) ~= 2  % 检查参数数量是否正确
        error('模型参数数量不正确，应该为2（对应于线性模型的斜率和截距）');
    end
    
    X = 1:size(true_data, 1);  % 数据索引作为特征
    y_pred = model_params(1) * X' + model_params(2); % 线性模型预测
    y_true = true_data; % 真实数据

    fitness = sum((y_pred - y_true).^2); % 误差平方和作为适应度值
end

function predicted_values = YourPredictionFunction(model_params, X)
    % 输入参数model_params是通过天鹰优化得到的最佳参数
    % X是用于预测的数据特征（这里是数据索引）
    
    % 使用最佳参数构建模型（这里假设是一个简单的线性模型）
    model = LinearModel.fit(X, model_params(2:end)', 'Intercept', model_params(1)); % 添加截距项
    
    % 进行预测
    predicted_values = predict(model, X);
end

Answer 1

引自免费微信小程序：皆我百晓生

在你提供的MATLAB代码中，天鹰优化算法用于求解线性模型的斜率和截距。报错信息提示“模型参数数量不正确，应该为2（对应于线性模型的斜率和截距）”，这意味着在FitnessFunction函数内部对模型参数的数量进行了检查，而检查发现参数数量与预期不符。

为了修复这个问题，首先需要确保初始化种群时每个个体的维度是正确的，也就是每个个体代表一个二维向量（对应线性模型的两个参数：斜率和截距）。根据你的代码，变量dim的计算方式基于yourTrueData的列数，这显然与模型参数的数量无关。对于线性模型，你应该明确设置dim = 2;。

以下是修正后的代码片段：

% 初始化全局最优解和其适应度值
globalBestFitness = Inf;
globalBestSolution = [];

% 确保维度为2，对应线性模型的斜率和截距
dim = 2;

popSize = 50; % 种群大小
maxIter = 100; % 最大迭代次数
yourTrueData=[...]; % 保留原有数据

lb = -10; % 变量下界
ub = 10; % 变量上界
% 现在确保生成初始种群时的维度正确
pop = lb + (ub - lb) * rand(popSize, dim); 

% ... 其他代码保持不变 ...

function fitness = FitnessFunction(x, true_data)
    % 根据已知数据进行计算，返回适应度值
    model_params = reshape(x, [], 1);  % 现在x的长度应始终为2
    
    if numel(model_params) ~= 2  % 检查参数数量是否正确
        error('模型参数数量不正确，应该为2（对应于线性模型的斜率和截距）');
    end
    
    % ... 剩余FitnessFunction函数内容保持不变 ...
end

% ... YourPredictionFunction函数保持不变 ...

现在由于已经手动设置了dim=2，初始化种群时将会创建包含正确数量参数的个体，从而避免了上述错误。