资 源 简 介
使用遗传算法对电池soc估计.ＲBF 神经网络法有很强的非线性拟合能力，可映射任意复杂的非线性关系，具有很强的鲁棒性和记忆能力，且学习规则简单、学习能力强大，便于计算机实现。但如何合理确定网络的结构和参数，目前尚未有系统的规律可循，网络的逼近性能因此受到影响。GA 借鉴了自然界遗传中适者生存法则，在问题空间进行全局并行、随机的搜索优化，使得种群全局最优的收敛。与传统算法相比，GA 训练神经网络无需先验知识，而且对初始参数不敏感，不会陷入局部最小点。所以具有全局搜索能力的 GA 可以对ＲBF 神经网络进行优化，寻找到最优的网络结构和参数，保证最佳的网络性能。
