基于小生境的進(jìn)化RBF網(wǎng)絡(luò)及應(yīng)用.pdf

1、遺傳算法是模擬自然遺傳學(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，具有較強(qiáng)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(jīng)網(wǎng)絡(luò)是一種具有單隱層的三層前饋網(wǎng)絡(luò)，模擬人腦中局部調(diào)整和相互覆蓋接收域的結(jié)構(gòu)，是局部逼近型網(wǎng)絡(luò)。它能以任意精度逼進(jìn)任意連續(xù)函數(shù)，并且有最佳的函數(shù)逼近性能。RBF網(wǎng)絡(luò)的設(shè)計(jì)問(wèn)題就是關(guān)于網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)，隱含層節(jié)點(diǎn)徑向基函數(shù)中心、寬度和隱含層到輸出層的連接權(quán)值的性能指標(biāo)的最小化問(wèn)題。盡管性能指標(biāo)對(duì)于函數(shù)中

2、心和連接權(quán)值是可導(dǎo)的，但對(duì)于隱含層節(jié)點(diǎn)數(shù)目卻是非連續(xù)非線性的。這對(duì)需要目標(biāo)函數(shù)的導(dǎo)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(jīng)網(wǎng)絡(luò)的結(jié)合，為解決這一問(wèn)題提供了有效的途徑。 為解決遺傳算法在訓(xùn)練RBF網(wǎng)絡(luò)時(shí)出現(xiàn)的早熟收斂問(wèn)題，本文提出了一種改進(jìn)的小生境混合遞階遺傳算法。該算法將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)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(dú)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(jié)合小生境技術(shù)遺傳進(jìn)化，致力于尋找最佳性能的個(gè)體。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層到輸出層的線性連接權(quán)值，則是由最小二乘法來(lái)計(jì)算得到的。 通過(guò)雙螺旋分類和Mackey-Glass時(shí)間序列預(yù)測(cè)的計(jì)算機(jī)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(jìn)的小生境混合遞階遺傳算法訓(xùn)練的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的性能。雖然不同的算法各有優(yōu)缺點(diǎn)，但總體來(lái)說(shuō)，改進(jìn)的小生境混合遞階遺傳算法表現(xiàn)得最為突