摘要：在引入智能優化算法的徑向基神經網絡訓練算法中,智能優化算法的控制參數對該算法的學習性能影響很大.為此,提出了一種基于單形進化的徑向基神經網絡訓練算法.該算法基于單形鄰域的全隨機搜索方法減少算法控制參數,借助群體的多角色態保持粒子的多樣性,避免算法陷入局部極值點.仿真結果表明:相比于其他算法,該算法訓練的徑向基神經網絡不僅有效提高了識別率,而且減少了控制參數對學習性能的影響,提高了算法的普適性與魯棒性.