基于小生境的進化RBF網絡及應用.pdf

1、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，具有較強的魯棒性，并具有收斂到全局最優(yōu)的能力。徑向基函數(shù)神經網絡是一種具有單隱層的三層前饋網絡，模擬人腦中局部調整和相互覆蓋接收域的結構，是局部逼近型網絡。它能以任意精度逼進任意連續(xù)函數(shù)，并且有最佳的函數(shù)逼近性能。RBF網絡的設計問題就是關于網絡隱含層節(jié)點數(shù)，隱含層節(jié)點徑向基函數(shù)中心、寬度和隱含層到輸出層的連接權值的性能指標的最小化問題。盡管性能指標對于函數(shù)中

2、心和連接權值是可導的，但對于隱含層節(jié)點數(shù)目卻是非連續(xù)非線性的。這對需要目標函數(shù)的導數(shù)信息的傳統(tǒng)優(yōu)化方法是很困難的。而遺傳算法與RBF神經網絡的結合，為解決這一問題提供了有效的途徑。 為解決遺傳算法在訓練RBF網絡時出現(xiàn)的早熟收斂問題，本文提出了一種改進的小生境混合遞階遺傳算法。該算法將徑向基函數(shù)神經網絡的隱含層結構作為控制基因，中心和寬度分別作為參數(shù)基因，三者分別獨立編碼。在控制基因的作用下，使得中心和寬度的編碼種群在不同的搜索空

3、間上，結合小生境技術遺傳進化，致力于尋找最佳性能的個體。徑向基函數(shù)神經網絡的隱含層到輸出層的線性連接權值，則是由最小二乘法來計算得到的。 通過雙螺旋分類和Mackey-Glass時間序列預測的計算機仿真，比較了K均值聚類、正交最小二乘法、梯度下降算法、混合遞階遺傳算法、小生境混合遞階遺傳算法、改進的小生境混合遞階遺傳算法訓練的徑向基函數(shù)神經網絡的性能。雖然不同的算法各有優(yōu)缺點，但總體來說，改進的小生境混合遞階遺傳算法表現(xiàn)得最為突