基于免疫机制的进化径向基函数网络及其应用研究

摘要

生物免疫系统是具有特殊学习机制的复杂网络,生物免疫机制的许多理论概念对进化学习和优化设计问题具有很大的启发意义.本论文针对RBF网络的特点,借鉴生物免疫机制的重要概念,将其融合到RBF网络的进化学习之中,从而得到几种新型的基于免疫机制的RBF网络进化训练算法.本文还将采用这类基于免疫机制的进化RBF网络应用于雷达侦察接收机、雷达侦察信号识别和移动通信系统的几类重要的信号处理问题之中,并通过计算机仿真验证了本文提出的RBF网络训练算法的性能.本文的主要工作可以概括如下:(一)针对RBF网络的特点,提出了一种基于免疫机制的自适应宽度调节方法,并将其应用于RBF网络的进化训练算法之中.该算法通过提取RBF网络核函数宽度的先验知识作为疫苗,构成免疫算子,从而缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度.在本文的方法中,宽度疫苗是针对个体而制作的,并在进化过程中保持更新,从而确保了有效的免疫操作.其中自适应的宽度疫苗提取是算法的核心部分,而免疫操作则有效地减少了搜索空间,改善了算法的局部搜索能力.将采用本文方法训练的RBF网络应用于几个神经网络经典问题的仿真实验结果都表明了该算法的优越性.(二)通过将生物免疫系统的疫苗接种和免疫记忆机制的思想相结合,提出了一种训练RBF网络的递阶免疫进化算法(IHEA).该算法基于一种针对RBF网络的递阶编码结构,采用免疫操作提取以往进化代中的隐层节点信息制作成疫苗,辅助当前代的进化,从而增强了训练算法达到网络最优解的能力和效率.通过对免疫疫苗库的操作而形成的免疫记忆机制选择有用的疫苗加以存储,从而强化了免疫操作的效率,提高了算法的收敛速度.通过对一系列神经网络经典问题的仿真实验,证明了该算法的有效性.(三)把本文提出的几类基于免疫机制的进化RBF网络应用于现代雷达侦察接收机中几个关键性的技术问题.