MATLAB 代码：遗传算法优化径向基函数 (RBF) 神经网络

由于遗传算法优化 RBF 神经网络的 MATLAB 代码比较长，不能在此进行完整的展示。以下是代码的主要部分：

1. 定义问题的目标函数

function fitness = ga_rbfnet_fit(params, data, target, spread_min, spread_max)
% params: 遗传算法优化的参数向量
% data: 输入数据
% target: 输出目标
% spread_min: RBF 核函数的最小宽度
% spread_max: RBF 核函数的最大宽度

% 将参数向量拆分为输入权重、中心和宽度
num_inputs = size(data, 2);
num_hidden = floor(length(params) / (num_inputs + 1));
inputs = reshape(params(1:num_inputs*num_hidden), num_inputs, num_hidden);
params = params(num_inputs*num_hidden+1:end);
centers = reshape(params(1:num_hidden), 1, num_hidden);
spreads = spread_min + (spread_max - spread_min) * params(num_hidden+1:end);

% 创建 RBF 神经网络
net = newrb(data', target', 0, spreads, num_hidden);

% 计算网络的预测输出
y = sim(net, data')';

% 计算均方误差
mse = mean((target - y).^2);

% 目标函数为均方误差的倒数
fitness = 1 / mse;
end

2. 运行遗传算法进行优化

% 设置遗传算法参数
num_inputs = size(data, 2);
num_hidden = 10;
num_params = num_inputs*num_hidden + num_hidden + num_hidden;
spread_min = 0.1;
spread_max = 10;
ga_options = gaoptimset('PopulationSize', 50, 'Generations', 50, 'Display', 'iter');

% 运行遗传算法进行优化
ga_fitness = @(params)ga_rbfnet_fit(params, data, target, spread_min, spread_max);
[params, fitness] = ga(ga_fitness, num_params, ga_options);

% 将优化后的参数向量拆分为输入权重、中心和宽度
inputs = reshape(params(1:num_inputs*num_hidden), num_inputs, num_hidden);
params = params(num_inputs*num_hidden+1:end);
centers = reshape(params(1:num_hidden), 1, num_hidden);
spreads = spread_min + (spread_max - spread_min) * params(num_hidden+1:end);

% 创建 RBF 神经网络
net = newrb(data', target', 0, spreads, num_hidden);