用遗传算法优化BP神经网络的Matlab编程

				程序一：GA训练BP权值的主函数
				function net=GABPNET(XX,YY)
				%--------------------------------------------------------------------------
				%  GABPNET.m
				%  使用遗传算法对BP网络权值阈值进行优化，再用BP算法训练网络
				%--------------------------------------------------------------------------
				%数据归一化预处理
				nntwarn off
				XX=premnmx(XX);
				YY=premnmx(YY);
				%创建网络
				net=newff(minmax(XX),[19,25,1],{'tansig','tansig','purelin'},'trainlm');
				%下面使用遗传算法对网络进行优化
				P=XX;
				T=YY;
				R=size(P,1);
				S2=size(T,1);
				S1=25;%隐含层节点数
				S=R*S1+S1*S2+S1+S2;%遗传算法编码长度
				aa=ones(S,1)*[-1,1];
				popu=50;%种群规模
				initPpp=initializega(popu,aa,'gabpEval');%初始化种群
				gen=100;%遗传代数
				%下面调用gaot工具箱，其中目标函数定义为gabpEval
				[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-6 1 1],'maxGenTerm',gen,...
				  'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2 gen 3]);
				%绘收敛曲线图
				figure(1)
				plot(trace(:,1),1./trace(:,3),'r-');
				hold on
				plot(trace(:,1),1./trace(:,2),'b-');
				xlabel('Generation');
				ylabel('Sum-Squared Error');
				figure(2)
				plot(trace(:,1),trace(:,3),'r-');
				hold on
				plot(trace(:,1),trace(:,2),'b-');
				xlabel('Generation');
				ylabel('Fittness');
				%下面将初步得到的权值矩阵赋给尚未开始训练的BP网络
				[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);
				net.LW{2,1}=W1;
				net.LW{3,2}=W2;
				net.b{2,1}=B1;
				net.b{3,1}=B2;
				XX=P;
				YY=T;
				%设置训练参数
				net.trainParam.show=1;
				net.trainParam.lr=1;
				net.trainParam.epochs=50;
				net.trainParam.goal=0.001;
				%训练网络
				net=train(net,XX,YY);