论文部分内容阅读
本文提出了利用基于浮点数编码的自适应遗传算法来训练多层径向基函数网络的中心和宽度的算法，通过单元和多元实函数逼近的计算机实验，验证其具有比多层径向基函数网络的聚类算法更高精度的逼近实函数的能力。在此基础上，论文将基于浮点数编码的自适应遗传算法的多层径向基函数网络用于Logistic和Mackey Glass混沌时间序列的多步预测中，与基于聚类算法的多层RBF网络的相比，其可预测的步数大大的提高了。最后，论文将基于浮点数编码的自适应遗传算法的多层径向基函数网络应用于数理金融中的偏微分方程的边值问题的数值解。通过计算机实验，结果表明，可以利用这种算法求解偏微分方程的边值问题的数值解，其精度也很高。