摘　　　要：神經(jīng)網(wǎng)絡(luò)的輸入變量、隱含層結(jié)點(diǎn)以及中心的選擇對(duì)模型的性能都有重大的影響，以前的研究一般只考慮優(yōu)化網(wǎng)絡(luò)的參數(shù)或其結(jié)點(diǎn)數(shù)。為解決這個(gè)問題，提出了一種新的全局優(yōu)化算法來自動(dòng)選擇ＲＢＦ神經(jīng)網(wǎng)絡(luò)的輸入變量和結(jié)點(diǎn)數(shù)目，并同時(shí)優(yōu)化其參數(shù)。在提出的算法中，ＲＢＦ網(wǎng)絡(luò)的結(jié)點(diǎn)數(shù)目、輸入變量的選擇和參數(shù)都采用二進(jìn)制編碼，并用遺傳算法來優(yōu)化。為提高算法的性能和收斂速度，在遺傳算法優(yōu)化的同時(shí)引入了一種高性能的基于梯度的局部搜索算子（結(jié)構(gòu)化的非線性參數(shù)優(yōu)化方法）來優(yōu)化ＲＢ...