1方法人工智能(ArtificialIntelligence，簡稱AI)是50年代興起的一門新興能源技術(shù)、人工智能)，也被認為是二十一世紀三大尖端技術(shù)之一(基因工前能夠用來研究人工智能的主要物質(zhì)手段以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機器就是計算機,人工智能的發(fā)展歷史是和計算機科學與技術(shù)的發(fā)展史聯(lián)系在23既為人工智能的最終研究目標打好基礎(chǔ)，又能創(chuàng)造出短期效益，這是選接下來是符號階段，知識在這里以符號組織表示(例如：列表可用列表處理制44RBF網(wǎng)絡(luò)b0XW∈Rh*mX1y∑1∑2X22mym∑hΦhΦ(||x-c||)nhhmbmRBF網(wǎng)絡(luò)的最顯著的特點是隱節(jié)點的基函數(shù)采用距離函數(shù)(如歐式距離)，并使用徑向基函數(shù)(如Gaussian高斯函數(shù))作為激活函數(shù)。徑向基函5RBF網(wǎng)絡(luò)iiiii以上三式中的δi稱為該基函數(shù)的擴展常數(shù)(Spread)或?qū)挾取ｏ@然δi越表示。每個隱層神經(jīng)元都對輸入x產(chǎn)生一個響應(yīng)Φ(||x-c||)，且響應(yīng)特性成ii徑向?qū)ΨQ(即是一個個同心圓)，而神經(jīng)網(wǎng)絡(luò)的輸出則是所有這些響應(yīng)的加kiiii=1i6RBF網(wǎng)絡(luò)距離確定隱節(jié)點的擴展常數(shù)，然后用有監(jiān)督學習(梯度法)訓練各隱節(jié)點的網(wǎng)絡(luò)中第j個隱節(jié)點的激活函數(shù)為Φj(*)。k為迭代次數(shù)，第k次迭代時的聚kj=1,2,,N?！璱7RBF網(wǎng)絡(luò)iNix=i(k)(6)根據(jù)各聚類中心之間的距離確定各隱節(jié)點的擴展常數(shù)。隱節(jié)點的擴i用最小二乘方法(LMS)直接計算。假定當輸入為Xi，i=1,2,…,N時，第jijjijH^=[h]ij求得=+y8RBF網(wǎng)絡(luò) fuu數(shù)用聚類方法得到，輸出權(quán)值和偏移采用廣義逆方法求解。隱節(jié)點數(shù)(即聚類數(shù))取10，初始聚類中心取前%隱節(jié)點(聚類樣本)數(shù)9RBF網(wǎng)絡(luò)RBF網(wǎng)絡(luò)%求隱節(jié)點數(shù)據(jù)中心間的距離(矩陣)離RBF網(wǎng)絡(luò)RBF網(wǎng)絡(luò)RBF網(wǎng)絡(luò)聚類方法的優(yōu)點是能根據(jù)各聚類中心之間的距離確定各隱節(jié)點的擴展信息；另外聚類方法也無法確定聚類的數(shù)目(RBF網(wǎng)絡(luò)的隱節(jié)點數(shù))。遺傳算法斷該算法的操作對象是一群被稱為種群的二進制位串(稱為染色體、個遺傳算法(2)確定變量的約束條件。而是利用解的某種編碼表示。通常解(變量)空間中的一個解(變量)被編碼成一個串，它是由組成這個解(變量)的一系列有效信息組成。(4)確定適應(yīng)度函數(shù)。適應(yīng)度值是對解的質(zhì)量的度量，它是遺傳算法對(5)確定選擇策略。個體的適應(yīng)度值是策略中的主要依據(jù)，該步驟使適排序選擇策略等。(8)確定算法的條件終止準則。遺傳算法開始GEN:=0產(chǎn)生初始種群N計算每個個體的適應(yīng)值Y指定結(jié)果結(jié)束i:=0YGEN:=GEN+1N復制復制依概率選擇遺傳操作交叉選擇兩個個體選擇一個個體i:=i+1選擇一個個體執(zhí)行復制執(zhí)行雜交執(zhí)行變異復制到新種群將兩個后代插入新種群插入到新種群i:=i+1遺傳算法2.計算目標函數(shù)值(bb…b>)=(9b.2i)=x'9802i10i=0遺傳算法spoint變量而言，如有兩遺傳算法3.計算個體的適應(yīng)值4.選擇復制遺傳算法1)在第t代，由上式計算fsum和pi3)求pi≥s中最小的k，則第k個個體被選中4)進行N次2)、3)操作，得到N個個體，成為第t=t+1代種群fitin=1;fitin=fitin+1;遺傳算法兩個個體從各自字符串的某一位置，(一般是隨機確定)開始互相交換，這遺傳算法變異(mutation)，基因的突變普遍存在于生物的進化過程中。變異是指遺傳算法遺傳算法clf