利用遗传算法优化神经网（GA-BP）过程中，按很多教程里的介绍描述，一般的做法就是通过遗传算法，从随机矩阵开始，逐步找到合适的初始化权重阈值矩阵。
如果是新手自己搭建，特别是利用matlab的神经网络工具箱-导出脚本这种方式想自己上改动时，经常会面临一个问题——我在哪改权重和阈值？？？？
首先我们来看默认的神经网络工具箱会导出什么样的脚本。
1. 默认的神经网络工具箱与默认的代码
新版的神经网络工具箱神经拟合就长这个样子（本人使用的是R2022a）
目前就个人的理解而言，如果在这个基础上搭建或改造，那么你的网络只会有三层
1. 输入层（如图所示是393个输入）（输入的时候，必须不同行是不同特征，不同列是不同样本，不过这个工具箱会给你转置的机会）
2. 隐藏神经层（只有一层，只有一层！工具箱默认这是一层10个神经元）
3. 输出层（如图所示是9个输出）
如果直接使用，那么在这一阶段能够调整的，只有左上角的3个值，划分验证测试集比例和定义层大小（也就是层神经元的个数，而不是层的个数），别的什么也调不了
点击运行后，会这样显示，可以看见很多地方都是用了默认值，比如目标最大轮数，MU，梯度，验证检查等，似乎都不允许你设定的样子：
结束的时候，你也会发现它还有很多其他的默认值，比如算法，数据划分，性能，你也找不到地方设定，不知道它怎么就是这样的。不过右上角有一个导出代码，似乎有希望。
你选择了综合训练脚本包括部署
结果发现明面上的数据划分方式（divedeFcn）、训练方式（trainlm）、目标函数（performFcn）是可以在脚本上修改的，但另外有些东西似乎还是找不到修改的入口，你陷入了迷茫
2.额外的修改与固定的结果
要想获得固定的结果，必须要有以下四个部分设定是固定的，且在脚本中用额外添加的四部分语句设置好
参考给BP神经网络设置初始权重(matlab)_bp神经网络初始权值_老饼讲解
1. iw权重——即输入层到神经元的权重
2. b阈值——即中间隐藏层和输出层的阈值
3. lw权重——神经元到输入层的权重
4. 数据划分方式——不能随机划分训练集和测试集，必须要固定下来
设置方法为
1.iw权重，b阈值和lw
inpuno=393；%输入特征为393个
layerno=10； %隐藏层神经元个数为10
outno=9 %输出层特征为9个
%关键：定义输入-隐藏的初始权重iw
iw=cell(2,1); %iw是2行1列的数组，每行分别代表着1-2，2-3层之间的权重
iw{1,1}=iwmatrix; %输入-隐藏权重，iwmatrix为你自己想设置的10*393矩阵
iw{2,1}=[]; %第二行空着就行
net.iw=iw; %赋值，很关键
%定义隐藏、输出初始阈值b；
b=cell(2,1); %iw是2行1列的数组，每行分别代表着1-2，2-3层之间的阈值
b{1,1}=yuzhi1; %yuzhi1 是你自己想设置的10行1列矩阵
b{2,1}=yuzhi2; %yuzhi1 是你自己想设置的9行1列矩阵
net.b=b; %赋值，很关键
%定义隐藏层-输出层初始权重lw
lw=cell(2,2); %iw是2行2列的数组，目前还没太明白为什么是2行2列
lw{2,1}=lwmat; %但是这个值一定是在数组的第2行第1列，lwmat为 你自己想设置的9行10列矩阵
net.lw=lw; %赋值，很关键2. 数据划分方式
net.divideFcn = 'dividerint';除了divedint，通过help nndivision，也可以看到其他的设置选项
除了divederand，其他选项应该都是固定的划分方式。
以上这些对网络设置的代码，都要写在'net'第一次出现之后(也就是初始建立网络之后），train函数之前
%选择用于训练的方法，其他可选的方法选项通过 help nntrain查看
trainFcn = 'trainscg'; % Scaled Conjugate Gradient算法,内存需求与Fletcher-Reeves修正算法相同,计算量比上面三种算法都小很多
%;
hiddenLayerSize = nolay;
%看！net变量第一次出现了！
net = fitnet(hiddenLayerSize,trainFcn);
% Choose Input and Output Pre/Post-Processing Functions
% For a list of all processing functions type: help nnprocess
net.input.processFcns = {'removeconstantrows','mapminmax'};
net.output.processFcns = {'removeconstantrows','mapminmax'};
% Setup Division of Data for Training, Validation, Testing
% For a list of all data division functions type: help nndivision
net.divideFcn = 'divideint'; % Divide data randomly
net.divideMode = 'sample'; % Divide up every sample
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
net.trainParam.max_fail=15; %定义连续15次没有变好为停止条件
%关键：定义初始权重
iw=cell(2,1);
iw{1,1}=iwmatrix;
iw{2,1}=[];
net.iw=iw;
%定义初始阈值；
b=cell(2,1);
b{1,1}=yuzhi1;
b{2,1}=yuzhi2;
net.b=b;
%定义lw
lw=cell(2,2);
lw{2,1}=lwmat;
net.lw=lw;
%关闭状态弹窗，以节省训练时间
net.trainParam.showWindow = false;
% 开始进行网络训练Train the Network
%看！train函数出现了！
[net,tr] = train(net,xx,tt);大概就是这样
