基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf

1、徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)是一種具有單隱層的三層前饋網(wǎng)絡(luò),其網(wǎng)絡(luò)結(jié)構(gòu)和學習算法與BP網(wǎng)絡(luò)有著很大的差別,在一定程度上克服了BP網(wǎng)絡(luò)的缺點,因此,RBF網(wǎng)絡(luò)已經(jīng)成為一個新的研究熱點.RBF網(wǎng)絡(luò)模擬人腦中局部調(diào)整和相互覆蓋接收域的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),是一種局部逼近網(wǎng)絡(luò),它可以以任意精度逼進任意連續(xù)函數(shù).遺傳算法是模擬自然遺傳學機理和生物進化理論而形成的一種全局并行的隨機搜索方法,具有強魯棒性,并具有收斂到全局最優(yōu)的能力.RBF網(wǎng)絡(luò)的設(shè)計問題就是

2、關(guān)于網(wǎng)絡(luò)隱節(jié)點數(shù)和隱層節(jié)點RBF函數(shù)中心、寬度和隱層到輸出層的權(quán)值的性能指標的最小化問題.盡管性能指標對函數(shù)中心和連接權(quán)值是連續(xù)可導的,但對于隱層節(jié)點數(shù)卻是非連續(xù)非線性的.這對于需要目標函數(shù)的導數(shù)信息的傳統(tǒng)優(yōu)化方法是很困難的.遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)的結(jié)合為有效快速地解決這些難題提供了一條有效的途徑.該文采用混合遞階遺傳算法來優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù),并與正交最小二乘法作了比較.在綜合研究RBF網(wǎng)絡(luò)隱層結(jié)構(gòu)和RBF函數(shù)參數(shù)的特征和