10.3969/j.issn.1000-3428.2011.10.051
基于k均值和量子遗传算法的RBF网络优化
针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法.通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度.相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化.
早熟、k均值、量子遗传算法、适应度
37
TP18(自动化基础理论)
科技部国际科技合作基金资助项目2009DFA12870
2011-08-16(万方平台首次上网日期,不代表论文的发表时间)
共2页
152-153