基于遗传算法（粒子群算法、人工鱼群算法等）的投影寻踪模型MATLAB 源代码投影寻踪是一种处理多因素复杂问题的统计方法，其基本思路是将高维数据向低维空间进行投影，通过低维投影数据的散布结构来讨论高维数据特征，可用于聚类、分类、综合评价、预测等。投影寻踪模型最终可归结为一个非线性连续函数优化模型，可以采纳遗传算法、粒子群算法、人工鱼群算法或人工免疫克隆优化算法等进行求解，得到最优的投影向量。%% 第一步：仿真参数设置clcclearclose allload data1.txtD=data1;%导入 D 矩阵[n,p]=size(D);K=300;%迭代次数N=100;%种群规模Pm=0.3;%变异概率LB=-ones(1,p);%决策变量的下界UB=ones(1,p);%决策变量的上界Alpha=0.1;%窗口半径系数，典型取值 0.1b%% 调用遗传算法[BESTX,BESTY,ALLX,ALLY]=GAUCP(K,N,Pm,LB,UB,D,Alpha);% GreenSim 团队——专业级算法设计&代写程序% 欢迎访问 GreenSim 团队主页→%% 整理输出结果Best_a=(BESTX{K})';%方向向量d=zeros(n,p);Djmax=max(D);Djmin=min(D);for i=1:n d(i,:)=(D(i,:)-Djmin)./(Djmax-Djmin);endZ=zeros(n,1);for i=1:n Z(i)=abs(sum(Best_a.*d(i,:)));endZ=abs(Z);figure%投影散布图plot(abs(Z),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);%axis([1,12,0,2.5]);%图形边界根据需要显示grid onxlabel(' ','FontName','TimesNewRoman','FontSize',12);ylabel('Projective Value','FontName','Times New Roman','Fontsize',12);figure[newZ,I]=sort(Z);plot(abs(newZ),'bd','LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','b','MarkerSize',5);%axis([1,12,0,2.5]);%图形边界根据需要显示grid onxlabel(' ','FontName','TimesNewRoman','FontSize',12);ylabel('Projective Value','FontName','Times New Roman','Fontsize',12);%%disp('最佳投影向量为')disp(Best_a);function [BESTX,BESTY,ALLX,ALLY]=IGAUCP(K,N,Pm,LB,UB,D,Alpha)%%遗传算法求解投影寻踪模型% GreenSim 团队——专业级算法设计&代写程序% 欢迎访问 GreenSim 团队主页→%% 输入参数列表% K 迭代次数% N 种群规模，要求是偶数% Pm 变异概率% LB 决策变量的下界，M×1 的向量% UB 决策变量的上界，M×1 的向量% D 原始样本数据，n×p 的矩阵% Alpha 窗口半径系数，典型取值 0.1%% 输出参数列表% BESTX K×1 细胞结构...
