查看: 828|回复: 11|关注: 0

[已解决] 未定义函数或变量 'initialization'。

[复制链接]

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
在网上找到的灰狼算法代码,想解决边坡位移—时间曲线的预测问题,可是只把这些命令流输入进去就显示未定义函数或变量‘initialization’。这到底是什么意思呢,还有,有木有大师帮帮忙给讲解一下具体灰狼算法,要是我手里有时间和位移值这两部分数据,我应该把它们带到哪一步呢?毕业救急,谢谢各位了,祝好人一生平安!
tic % 计时
%% 清空环境导入数据
clear
clc
close all
format long
load wndspd
%% GWO-SVR
% 训练/测试数据准备(用前3天预测后一天),用前100天做测试数据
train_input(1,:)=wndspd(1:97);
train_input(2,:)=wndspd(2:98);
train_input(3,:)=wndspd(3:99);
train_output=[wndspd(4:100)]';
test_input(1,:)=wndspd(101:end-3);
test_input(2,:)=wndspd(102:end-2);
test_input(3,:)=wndspd(103:end-1);
test_output=[wndspd(104:end)]';

[input_train,rule1]=mapminmax(train_input);
[output_train,rule2]=mapminmax(train_output);
input_test=mapminmax('apply',test_input,rule1);
output_test=mapminmax('apply',test_output,rule2);
%% 利用灰狼算法选择最佳的SVR参数
SearchAgents_no=20; % 狼群数量
Max_iteration=20; % 最大迭代次数
dim=2; % 此例需要优化两个参数c和g
lb=[0.01,0.01]; % 参数取值下界
ub=[100,100]; % 参数取值上界

Alpha_pos=zeros(1,dim); % 初始化Alpha狼的位置
Alpha_score=inf; % 初始化Alpha狼的目标函数值,change this to -inf for maximization problems

Beta_pos=zeros(1,dim); % 初始化Beta狼的位置
Beta_score=inf; % 初始化Beta狼的目标函数值,change this to -inf for maximization problems

Delta_pos=zeros(1,dim); % 初始化Delta狼的位置
Delta_score=inf; % 初始化Delta狼的目标函数值,change this to -inf for maximization problems

Positions=initialization(SearchAgents_no,dim,ub,lb);

Convergence_curve=zeros(1,Max_iteration);

l=0; % 循环计数器

while l<Max_iteration  % 对迭代次数循环
    for i=1:size(Positions,1)  % 遍历每个狼

       % 若搜索位置超过了搜索空间,需要重新回到搜索空间
        Flag4ub=Positions(i,:)>ub;
        Flag4lb=Positions(i,:)<lb;
        % 若狼的位置在最大值和最小值之间,则位置不需要调整,若超出最大值,最回到最大值边界;
        % 若超出最小值,最回答最小值边界
        Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb; % ~表示取反           

        % 计算适应度函数值
        cmd = ['-s 3 -t 2',' -c ',num2str(Positions(i,1)),' -g ',num2str(Positions(i,2))];
        model=svmtrain(output_train',input_train',cmd); % SVM模型训练
        [~,fitness]=svmpredict(output_test',input_test',model); % SVM模型预测及其精度
        fitness=fitness(2); % 以平均均方误差MSE作为优化的目标函数值

        if fitness<Alpha_score % 如果目标函数值小于Alpha狼的目标函数值
            Alpha_score=fitness; % 则将Alpha狼的目标函数值更新为最优目标函数值
            Alpha_pos=Positions(i,:); % 同时将Alpha狼的位置更新为最优位置
        end

        if fitness>Alpha_score && fitness<Beta_score % 如果目标函数值介于于Alpha狼和Beta狼的目标函数值之间
            Beta_score=fitness; % 则将Beta狼的目标函数值更新为最优目标函数值
            Beta_pos=Positions(i,:); % 同时更新Beta狼的位置
        end

        if fitness>Alpha_score && fitness>Beta_score && fitness<Delta_score  % 如果目标函数值介于于Beta狼和Delta狼的目标函数值之间
            Delta_score=fitness; % 则将Delta狼的目标函数值更新为最优目标函数值
            Delta_pos=Positions(i,:); % 同时更新Delta狼的位置
        end
    end

    a=2-l*((2)/Max_iteration); % 对每一次迭代,计算相应的a值,a decreases linearly fron 2 to 0

    for i=1:size(Positions,1) % 遍历每个狼
        for j=1:size(Positions,2) % 遍历每个维度

            % 包围猎物,位置更新

            r1=rand(); % r1 is a random number in [0,1]
            r2=rand(); % r2 is a random number in [0,1]

            A1=2*a*r1-a; % 计算系数A,Equation (3.3)
            C1=2*r2; % 计算系数C,Equation (3.4)

            % Alpha狼位置更新
            D_alpha=abs(C1*Alpha_pos(j)-Positions(i,j)); % Equation (3.5)-part 1
            X1=Alpha_pos(j)-A1*D_alpha; % Equation (3.6)-part 1

            r1=rand();
            r2=rand();

            A2=2*a*r1-a; % 计算系数A,Equation (3.3)
            C2=2*r2; % 计算系数C,Equation (3.4)

            % Beta狼位置更新
            D_beta=abs(C2*Beta_pos(j)-Positions(i,j)); % Equation (3.5)-part 2
            X2=Beta_pos(j)-A2*D_beta; % Equation (3.6)-part 2      

            r1=rand();
            r2=rand();

            A3=2*a*r1-a; % 计算系数A,Equation (3.3)
            C3=2*r2; % 计算系数C,Equation (3.4)

            % Delta狼位置更新
            D_delta=abs(C3*Delta_pos(j)-Positions(i,j)); % Equation (3.5)-part 3
            X3=Delta_pos(j)-A3*D_delta; % Equation (3.5)-part 3            

            % 位置更新
            Positions(i,j)=(X1+X2+X3)/3;% Equation (3.7)

        end
    end
    l=l+1;   
    Convergence_curve(l)=Alpha_score;
end
bestc=Alpha_pos(1,1);
bestg=Alpha_pos(1,2);
bestGWOaccuarcy=Alpha_score;
%% 打印参数选择结果
disp('打印选择结果');
str=sprintf('Best Cross Validation Accuracy = %g%%,Best bestc = %g,Best bestg = %g',bestGWOaccuarcy*100,bestc,bestg);
disp(str)
%% 利用回归预测分析最佳的参数进行SVM网络训练
cmd_gwo_svr=['-s 3 -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg)];
model_gwo_svr=svmtrain(output_train',input_train',cmd_gwo_svr); % SVM模型训练
%% SVM网络回归预测
[output_test_pre,acc]=svmpredict(output_test',input_test',model_gwo_svr); % SVM模型预测及其精度
test_pre=mapminmax('reverse',output_test_pre',rule2);
test_pre = test_pre';

err_pre=wndspd(104:end)-test_pre;
figure('Name','测试数据残差图')
set(gcf,'unit','centimeters','position',[0.5,5,30,5])
plot(err_pre,'*-');
figure('Name','原始-预测图')
plot(test_pre,'*r-');hold on;plot(wndspd(104:end),'bo-');
legend('预测','原始')
set(gcf,'unit','centimeters','position',[0.5,13,30,5])

result=[wndspd(104:end),test_pre]

MAE=mymae(wndspd(104:end),test_pre)
MSE=mymse(wndspd(104:end),test_pre)
MAPE=mymape(wndspd(104:end),test_pre)
%% 显示程序运行时间
toc

mymae.m

70 Bytes, 下载次数: 8

mymape.m

85 Bytes, 下载次数: 7

mymse.m

74 Bytes, 下载次数: 7

initialization.m

1.8 KB, 下载次数: 8

wine.mat

19.7 KB, 下载次数: 8

wndspd.mat

447 Bytes, 下载次数: 8

入门

284 麦片

财富积分


50500


0

主题

117

帖子

18

最佳答案
  • 关注者: 2
发表于 2019-6-17 16:36:04 | 显示全部楼层 |此回复为最佳答案
将你的程序代入后得出结果没有出现你说的问题
你应该没有将所有文件放在同一文件夹内
QQ图片20190617163310.jpg

入门

284 麦片

财富积分


50500


0

主题

117

帖子

18

最佳答案
  • 关注者: 2
发表于 2019-6-17 16:51:21 | 显示全部楼层
你应用灰狼算法应该是优化支持向量机模型的惩罚因子和核函数参数

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
 楼主| 发表于 2019-6-18 10:33:48 | 显示全部楼层
20141303 发表于 2019-6-17 16:36
将你的程序代入后得出结果没有出现你说的问题
你应该没有将所有文件放在同一文件夹内
...

我是应该把所有的有关灰狼算法那个文件夹放到matlab的文件夹里么,我每次代入就出现那个未定义…

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
 楼主| 发表于 2019-6-18 10:35:46 | 显示全部楼层
20141303 发表于 2019-6-17 16:51
你应用灰狼算法应该是优化支持向量机模型的惩罚因子和核函数参数

就是所说的c和g么?我对这个算法不是太了解…只能一句一句往里代…然后我的数据应该代在哪步也不清楚…还得辛苦大神帮帮忙讲解一下:hug:谢谢啦!

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
 楼主| 发表于 2019-6-18 10:46:08 | 显示全部楼层
20141303 发表于 2019-6-17 16:36
将你的程序代入后得出结果没有出现你说的问题
你应该没有将所有文件放在同一文件夹内
...

我输入进去之后就是这种情况,我现在应该怎么做呢
8a96f7380d1e52205c71622fb86b043.png

入门

284 麦片

财富积分


50500


0

主题

117

帖子

18

最佳答案
  • 关注者: 2
发表于 2019-6-18 11:05:29 | 显示全部楼层
几个程序,就是.m文件放在一起
1560827023(1).png

MATLAB 基础讨论
版块优秀回答者

入门

173 麦片

财富积分


50500


4

主题

547

帖子

34

最佳答案
  • 关注者: 16
发表于 2019-6-18 11:06:12 | 显示全部楼层
本帖最后由 TouAkira 于 2019-6-17 23:27 编辑
行走的CD 发表于 2019-6-18 10:46
我输入进去之后就是这种情况,我现在应该怎么做呢
  1. model=svmtrain(output_train',input_train',cmd); % SVM模型训练
  2. [~,fitness]=svmpredict(output_test',input_test',model); % SVM模型预测及其精度
  3. fitness=fitness(2); % 以平均均方误差MSE作为优化的目标函数值
复制代码


网上的代码有些问题,在训练阶段是不能使用测试数据的。

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
 楼主| 发表于 2019-6-18 14:45:42 | 显示全部楼层
本帖最后由 行走的CD 于 2019-6-18 14:46 编辑
20141303 发表于 2019-6-18 11:05
几个程序,就是.m文件放在一起

我学着您的方式把这几个文件都放到同一个文件夹里了,那个错误果然解决了。就是现在又跳出这个错误了…
新错误.png

新手

7 麦片

财富积分


050


2

主题

9

帖子

0

最佳答案
 楼主| 发表于 2019-6-18 14:48:17 | 显示全部楼层
liuzuojun 发表于 2019-6-18 11:06
网上的代码有些问题,在训练阶段是不能使用测试数据的。

谢谢您,这段命令流应该放到哪里呢?最前面么?
您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

站长推荐上一条 /4 下一条

快速回复 返回顶部 返回列表