基于改進(jìn)遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)的研究與應(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(xué)習(xí)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(diǎn)。目前，RBF網(wǎng)絡(luò)仍然是智能控制領(lǐng)域的研究熱點(diǎn)之一。RBF神經(jīng)網(wǎng)絡(luò)是模擬人腦中局部調(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(jìn)任意連續(xù)函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)問題可歸納為網(wǎng)絡(luò)隱含層基函數(shù)的中心、寬度和隱含層到輸出層權(quán)值的性能指標(biāo)最小化問題。然而有效地確定RBF網(wǎng)絡(luò)的結(jié)

2、構(gòu)和參數(shù)卻沒有系統(tǒng)的規(guī)律可循。遺傳算法(GA)是模擬自然遺傳學(xué)機(jī)理和生物進(jìn)化理論而形成的一種全局并行的隨機(jī)搜索方法，具有比較好的魯棒性和全局收斂性。遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)的結(jié)合為解決這些難題提供了一條有效的途徑。本文提出了一種改進(jìn)的遺傳算法設(shè)計(jì)RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)，以優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)目、隱含層基函數(shù)的中心、基寬和輸出的線性權(quán)值，使網(wǎng)絡(luò)的性能指標(biāo)最優(yōu)。
　　 本文主要工作如下：
　　 1.針對遺傳算法

3、易陷入局部最優(yōu)和收斂速度慢的問題，提出了一種具有參數(shù)動(dòng)態(tài)調(diào)節(jié)功能的改進(jìn)遺傳算法。在本算法中，引入個(gè)體的最大適應(yīng)度值、最小適應(yīng)度值和平均適應(yīng)度值這三個(gè)變量來衡量群體的集中程度，使得算法能夠根據(jù)種群個(gè)體的分布特性在運(yùn)行過程中自動(dòng)地調(diào)節(jié)遺傳操作的參數(shù)以改進(jìn)算法的全局尋優(yōu)性能。仿真實(shí)例證實(shí)這種方法比標(biāo)準(zhǔn)GA和自適應(yīng)GA具有更好、更快的收斂性。
　　 2.針對RBF神經(jīng)網(wǎng)絡(luò)的不足及遺傳算法的特點(diǎn)，在改進(jìn)遺傳算法的基礎(chǔ)上提出了一種采用遞階遺