一种改进的RBF神经网络多目标优化算法

被引：7

作者：

肖忠良 ^{[1
,2
]}

李智勇 ^{[1
]}

机构：

[1] 湖南大学计算机与通信学院

[2] 湖南娄底职业技术学院电子信息工程系

来源：

科学技术与工程 | 2009年 / 9卷 / 21期

关键词：

多目标优化; 非支配排序; 遗传算法; RBF网络优化;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

针对RBF网络训练中的多目标优化问题,提出了一种基于Pareto方法的改进的非支配排序遗传算法INSGA(Improved Non-dominated Sorting Genetic Algorithm)。通过对某企业的订单数据进行预测的实验结果表明,它可以有效地解决以训练误差和测试误差为优化准则的RBF网络的参数确定问题,验证了改进的NSGA算法与RBF网络结合的可行性。

引用

页码：6379 / 6384

页数：6

共 5 条

[1]

改进的非支配排序遗传算法INSGA-II [J].

赵君莉 ;

杨善学 ;

王宇平 .

西安科技大学学报, 2006, (04) :529-531

[2]

退火遗传算法优化的神经网络在销售预测中的应用 [J].

吕继锋 ;

曾福香 ;

孙启国 .

兰州交通大学学报, 2005, (03) :113-115+129

[3]

多目标优化与决策问题的演化算法 [J].

谢涛 ;

陈火旺 .

中国工程科学, 2002, (02) :59-68

[4]

多个体参与交叉的Pareto多目标遗传算法 [J].

朱学军 ;

陈彤 ;

薛量 ;

李峻 .

电子学报, 2001, (01) :106-109

[5]

SPEA2:Improving the strength Pareto evolutionary algorithm for multiobjective optimization EUROGEN2001—evolutionary methods for design;optimization and control with applications to industrial problems..Zitzler E;Laumanns M;Thiele L;..2001,

← 1 →