改进遗传算法的RBF神经网络控制研究

摘要

RBF(径向基函数)神经网络是一种具有全局逼近性能的三层前馈网络,但RBF学习一直存在隐节点的中心选择不合理、训练时间长等问题,针对RBF神经网络存在的问题,提出一种通过改进遗传算法优基函数中心c、宽度b和权值w的方法。该方法选取均方误差函数E作为个体适应值,在传统遗传算法的基础上改进了交叉率和变异率的选取,使个体的变异同时受进化代数和适应度的约束,实现对c、b和网络权值的优化。通过系统辨识仿真分析,证明了该方法的可行性和有效性,使系统具有更好的性能。