function [W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x)
% 將遺傳算法的編碼分解為BP網絡所對應的權值、閾值
%   x　為一個染色體
%輸出：
%  W1 為輸入層到隱層權值
%  B1 為輸入層到隱層閾值
%  W2 為隱層到輸出層權值
%  B2 為隱層到輸出層閾值
%  P  為訓練樣本
%  T　為樣本輸出值
%  A1 為輸入層到隱層誤差
%  A2 為隱層到輸出層誤差
%  SE 為誤差平方和
%  val 為遺傳算法的適應值


[P,T,R,S1,S2,Q,S]=nninit;
% 前S1個編碼為W1
 for i=1:S1,
    W1(i,1)=x(i);
end
% 接著的S1*S2個編碼（即第R*S1個后的編碼）為W2
for i=1:S2,
   W2(i,1)=x(i+S1);
end
% 接著的S1個編碼（即第R*S1+S1*S2個后的編碼）為B1
for i=1:S1,
   B1(i,1)=x(i+S1+S2);
end
% 接著的S2個編碼（即第R*S1+S1*S2+S1個后的編碼）為B2
for i=1:S2,
   B2(i,1)=x(i+S1+S2+S1);
end

% 計算S1與S2層的輸出

[m n] = size(P) ;
sum=0; 
SE=0; 
for i=1:n 
   x1=W1*P(i)+B1; 
   A1=tansig(x1); 
   x2=W2*A1+B2; 
   A2=purelin(x2); 

    % 計算誤差平方和 
    SE=sumsqr(T(i)-A2); 
    sum=sum+SE; 
end 
val=10/sum; % 遺傳算法的適應值