基于遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)控制器.pdf

1、徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)是一種具有單隱層的三層前饋神經(jīng)網(wǎng)絡(luò),具有網(wǎng)絡(luò)結(jié)構(gòu)簡單、學(xué)習(xí)能力快、逼近性能強、無局部極小等特點,廣泛應(yīng)用于函數(shù)逼近、模式分類、信號處理、系統(tǒng)辨識等領(lǐng)域。RBF神經(jīng)網(wǎng)絡(luò)具有模擬人腦中局部調(diào)整、相互覆蓋接收域的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),能以任意精度逼近任一連續(xù)函數(shù)。本文主要對RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及結(jié)構(gòu)設(shè)計方法進行了研究,基于遺傳算法設(shè)計一個性能優(yōu)良的控制器。
　　 遺傳

2、算法是模擬生物在自然界的遺傳和進化而形成的一種自適應(yīng)優(yōu)化概率搜索算法,它的思想源于生物遺傳學(xué)和適者生存的自然規(guī)律,是具有“生存+檢測”迭代過程的搜索算法。但是遺傳算法參數(shù)的選擇帶有主觀性,收斂速度慢,并且容易陷入早熟收斂。為解決這些問題,本文提出了一種基于改進的遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
　　 改進的遺傳算法通過引入最佳保留機制,自適應(yīng)交叉概率,順序比較以及粒子群算法的位置更新原理,克服了基本遺傳算法的早熟現(xiàn)象,提高了網(wǎng)