RBF神经网络参数估计的两种混合优化算法
来源期刊：控制与决策2009年第8期
论文作者：甘敏 彭晓燕 彭辉
文章页码：1172 - 1176
关键词：RBF神经网络;参数估计;混合优化方法;
摘 要：基于全局搜索的进化算法和一种局部搜索算法——结构化的非线性参数优化方法(SNPOM),提出两种混合的优化算法来估计RBF神经网络中的参数:1)初始化一定数目的种群作为SNPOM的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;2)采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用SNPOM来优化.这两种混合优化算法的本质是用进化算法为SNPOM搜寻最优初始值,以得到全局最优解.仿真实验结果表明,该混合算法比单独使用进化算法或SNPOM更优,且优于其他一些算法.
甘敏1，彭晓燕2，彭辉1
1. 中南大学信息科学与工程学院2. 湖南大学机械与汽车工程学院
摘 要：基于全局搜索的进化算法和一种局部搜索算法——结构化的非线性参数优化方法(SNPOM),提出两种混合的优化算法来估计RBF神经网络中的参数:1)初始化一定数目的种群作为SNPOM的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;2)采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用SNPOM来优化.这两种混合优化算法的本质是用进化算法为SNPOM搜寻最优初始值,以得到全局最优解.仿真实验结果表明,该混合算法比单独使用进化算法或SNPOM更优,且优于其他一些算法.
关键词：RBF神经网络;参数估计;混合优化方法;
