网站建设费用会计科目,如何建网站教程,wordpress 主题制作 functions.php,常见的电子商务网站有时序预测 | MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测 目录 时序预测 | MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 Matlab实现SSA-XGBoost时间序列预测#xff0c;麻…时序预测 | MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测 目录 时序预测 | MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 Matlab实现SSA-XGBoost时间序列预测麻雀算法优化极限梯度提升树优化最大迭代次数深度学习率 1.data为数据集单变量时间序列数据集。 2.MainSSAXGBoostTS.m为主程序文件其他为函数文件无需运行; 3.评价指标R2、MAE、MAPE、MSE、MBE 4.注意程序和数据放在一个文件夹文件夹不可以XGBoost命名因为有函数已经用过运行环境为Matlab2018及以上。 模型描述 麻雀搜索算法(Sparrow Search Algorithm, SSA)是于2020年提出的。SSA 主要是受麻雀的觅食行为和反捕食行为的启发而提出的。该算法比较新颖具有寻优能力强收敛速度快的优点。 算法流程 Step1 初始化种群迭代次数初始化捕食者和加入者比列。 Step2计算适应度值并排序。 Step3利用式3更新捕食者位置。 Step4利用式4更新加入者位置。 Step5利用式5更新警戒者位置。 Step6计算适应度值并更新麻雀位置。 Step7是否满足停止条件满足则退出输出结果否则重复执行Step2-6 xgboost是属于boosting家族是GBDT算法的一个工程实现在模型的训练过程中是聚焦残差在目标函数中使用了二阶泰勒展开并加入了正则在决策树的生成过程中采用了精确贪心的思路寻找最佳分裂点的时候使用了预排序算法对所有特征都按照特征的数值进行预排序然后遍历所有特征上的所有分裂点位计算按照这些候选分裂点位分裂后的全部样本的目标函数增益找到最大的那个增益对应的特征和候选分裂点位从而进行分裂。 这样一层一层的完成建树过程 xgboost训练的时候是通过加法的方式进行训练也就是每一次通过聚焦残差训练一棵树出来最后的预测结果是所有树的加和表示。 本次优化的参数包括最大迭代次数深度学习率。 程序设计
完整代码和数据下载MATLAB实现SSA-XGBoost(麻雀算法优化极限梯度提升树)时间序列预测
P_percent 0.2; % The population size of producers accounts for P_percent percent of the total population size %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
pNum round( pop * P_percent ); % The population size of the producers lb c.*ones( 1,dim ); % Lower limit/bounds/ a vector
ub d.*ones( 1,dim ); % Upper limit/bounds/ a vector
%Initialization
for i 1 : popx( i, : ) lb (ub - lb) .* rand( 1, dim ); fit( i ) fobj( x( i, : ) ) ;
end
pFit fit;
pX x; % The individuals best position corresponding to the pFit
[ fMin, bestI ] min( fit ); % fMin denotes the global optimum fitness value
bestX x( bestI, : ); % bestX denotes the global optimum position corresponding to fMin% Start updating the solutions.
%
for t 1 : M [ ans, sortIndex ] sort( pFit );% Sort.[fmax,B]max( pFit );worse x(B,:); r2rand(1);for i 1 : pNum %r2小于0.8的发现者的改变1-20 % Equation (3)r1rand(1);x( sortIndex( i ), : ) pX( sortIndex( i ), : )*exp(-(i)/(r1*M));%对自变量做一个随机变换x( sortIndex( i ), : ) Bounds( x( sortIndex( i ), : ), lb, ub );%对超过边界的变量进行去除fit( sortIndex( i ) ) fobj( x( sortIndex( i ), : ) ); %就算新的适应度值x( sortIndex( i ), : ) pX( sortIndex( i ), : )randn(1)*ones(1,dim);x( sortIndex( i ), : ) Bounds( x( sortIndex( i ), : ), lb, ub );fit( sortIndex( i ) ) fobj( x( sortIndex( i ), : ) );endend
%---------------------------------------------------------------------------------------------------------------------------%%%%%%%%%%%%%5%%%%%%这一部位为加入者追随者的位置更新%%%%%%%%%%%%%%%%%%%%%%%%%for i ( pNum 1 ) : pop %剩下20-100的个体的变换 % Equation (4)Afloor(rand(1,dim)*2)*2-1;if( i(pop/2))%这个代表这部分麻雀处于十分饥饿的状态因为它们的能量很低也是是适应度值很差需要到其它地方觅食x( sortIndex(i ), : )randn(1)*exp((worse-pX( sortIndex( i ), : ))/(i)^2);else%这一部分追随者是围绕最好的发现者周围进行觅食其间也有可能发生食物的争夺使其自己变成生产者x( sortIndex( i ), : )bestXX(abs(( pX( sortIndex( i ), : )-bestXX)))*(A*(A*A)^(-1))*ones(1,dim); end end%%%%%%%%%%%%%5%%%%%%这一部位为意识到危险注意这里只是意识到了危险不代表出现了真正的捕食者的麻雀的位置更新%%%%%%%%%%%%%%%%%%%%%%%%%crandperm(numel(sortIndex));%%%%%%%%%这个的作用是在种群中随机产生其位置也就是这部分的麻雀位置一开始是随机的意识到危险了要进行位置移动%处于种群外围的麻雀向安全区域靠拢处在种群中心的麻雀则随机行走以靠近别的麻雀
%---------------------------------------------------------------------------------------------------------------------------x( sortIndex( b(j) ), : )bestX(randn(1,dim)).*(abs(( pX( sortIndex( b(j) ), : ) -bestX)));else %处于种群中心的麻雀的位置改变x( sortIndex( b(j) ), : ) pX( sortIndex( b(j) ), : )(2*rand(1)-1)*(abs(pX( sortIndex( b(j) ), : )-worse))/ ( pFit( sortIndex( b(j) ) )-fmax1e-50);endx( sortIndex(b(j) ), : ) Bounds( x( sortIndex(b(j) ), : ), lb, ub );fit( sortIndex( b(j) ) ) fobj( x( sortIndex( b(j) ), : ) );endfor i 1 : pop if ( fit( i ) pFit( i ) )pFit( i ) fit( i );pX( i, : ) x( i, : );endendendConvergence_curve(t)fMin;end%---------------------------------------------------------------------------------------------------------------------------
% Application of simple limits/bounds
function s Bounds( s, Lb, Ub)% Apply the lower bound vector%--------------------------------------------------------------------------------------------------------------------------- % Apply the upper bound vector J temp Ub;temp(J) Ub(J);% Update this new move s temp;%---------------------------------------------------------------------------------------------------------------------------
参考资料 [1] https://blog.csdn.net/category_11833757.html?spm1001.2014.3001.5482 [2] https://blog.csdn.net/article/details/125125787 [3] https://blog.csdn.net/article/details/124928579
