基于遺傳算法的模糊系統(tǒng)研究.pdf

1、模糊系統(tǒng)是一種基于知識(shí)或規(guī)則的系統(tǒng)，它的核心大多是“if-then”規(guī)則所組成的知識(shí)庫(kù)。模糊系統(tǒng)廣泛應(yīng)用于控制、信號(hào)處理、通信、集成電路、專家系統(tǒng)、醫(yī)藥、行為科學(xué)等領(lǐng)域。本文從方法論的角度提出了基于遺傳算法的模糊系統(tǒng)研究方案，包括模糊分類，模糊建模，多目標(biāo)優(yōu)化，基于Agent的進(jìn)化以及規(guī)則間交互影響的處理。論文的主要工作如下： 第一，將適當(dāng)修改后的VISIT算法與遺傳算法相結(jié)合，構(gòu)造了一個(gè)有監(jiān)督的模糊分類設(shè)計(jì)新方法，并提出了一個(gè)

2、模糊專家系統(tǒng)來(lái)實(shí)現(xiàn)兼顧精度和可解釋性的適應(yīng)度函數(shù)。新模糊分類系統(tǒng)具有以下優(yōu)點(diǎn)：(1)可解釋性好，(2)有效的特征壓縮，(3)與傳統(tǒng)方法相當(dāng)?shù)淖R(shí)別精度。 第二，提出了用戶友好的Sugeno型模糊建模新算法。Sugeno型模糊系統(tǒng)可以應(yīng)用線性控制系統(tǒng)的分析方法來(lái)近似非線性系統(tǒng)的分析，其中所有參數(shù)的確定都由算法自動(dòng)完成，而無(wú)需用戶設(shè)定。并將新方法擴(kuò)展到Mamdani型模糊系統(tǒng)的解決方案上。 第三，提出了一個(gè)多目標(biāo)優(yōu)化問(wèn)題的新方

3、法—遞歸多目標(biāo)遺傳算法(RIMOGA)。整個(gè)進(jìn)化過(guò)程分為與目標(biāo)數(shù)量相等的幾個(gè)遞歸階段，每個(gè)階段多增加一個(gè)目標(biāo)。每個(gè)階段先用一個(gè)獨(dú)立的群體進(jìn)化新增的目標(biāo)；該群體中性能較好的個(gè)體與上一階段多目標(biāo)進(jìn)化的群體聯(lián)合形成已增目標(biāo)集的初始群體。相對(duì)于其它典型的多目標(biāo)遺傳算法，RIMOGA在相同時(shí)間內(nèi)能找到更多且質(zhì)量更好的解。 第四，提出了抽取模糊規(guī)則知識(shí)的Agent進(jìn)化方法。每個(gè)行為Agent(BA)自主確定模糊集的數(shù)量和分布，并利用分級(jí)染色

4、體結(jié)構(gòu)和調(diào)整策略改進(jìn)模糊系統(tǒng)的可解釋性。在所獲得的模糊集上使用Pittsburgh型方法抽取精度和可解釋性兼具的模糊規(guī)則。此外，BA能夠相互協(xié)作地交換模糊集的信息以便維持解的多樣性，獲得全局最優(yōu)解。新方法能在模糊系統(tǒng)的精度和可解釋性之間達(dá)到好的平衡。 第五，傳統(tǒng)的不精確推理都涉及處理多個(gè)有相同后項(xiàng)的規(guī)則推理與可信度計(jì)算問(wèn)題。但在模糊規(guī)則進(jìn)行近似推理時(shí)，相同后項(xiàng)規(guī)則的模糊推理與可信度計(jì)算以及不同前提之間的關(guān)系問(wèn)題，在當(dāng)前的典型方法