应用多目标方法设计RBF神经网络

【摘要】：基于免疫系统中的克隆选择原理,提出了一种多目标克隆选择算法MCSA。该方法只对部分当前所得到的Pareto最优解进行进化操作,所求得的Pareto最优解保留在一个不断更新的外部记忆库中,并选用一种简单的多样性保存机制来保证其具有良好的分布特征。对于公认的多目标benchmark问题,MCSA在解集分布的均匀性与解的准确性方面均优于SPEA,NSGA-Ⅱ等算法。将该算法应用于径向基神经网络的设计,将RBF神经网络设计作为一个以结构的复杂性和网络的逼近能力为目标的多目标优化问题来处理,用MCSA来求解该问题的Pareto最优解集,为神经网络的选择提供了依据。