模糊控制系統(tǒng)的知識集的遺傳優(yōu)化機制研究.pdf

1、本文以MAMDANI型模糊系統(tǒng)的優(yōu)化問題為研究對象，將遺傳算法和模糊系統(tǒng)融合于一體，構(gòu)建出遺傳模糊系統(tǒng)。以該系統(tǒng)為基礎(chǔ)依據(jù)FRBS系統(tǒng)的優(yōu)化方法，著重分析了模糊系統(tǒng)的遺傳優(yōu)化機制，分別研究了模糊系統(tǒng)規(guī)則集的遺傳優(yōu)化和數(shù)據(jù)集的遺傳優(yōu)化，并對匹茲堡優(yōu)化方法和密歇根優(yōu)化方法進(jìn)行了嘗試性的結(jié)合。
　　 對于規(guī)則集的優(yōu)化，本文提出了基于模糊遺傳算法的模糊規(guī)則自動生成及優(yōu)化算法。該算法解決了遺傳算法優(yōu)化自動生成的模糊規(guī)則時，可能存在局部解以

2、及規(guī)則種群的收斂速率過慢等問題。它利用規(guī)則種群的收斂速率和多樣性來自適應(yīng)調(diào)整遺傳算法的交叉率和變異率，進(jìn)而實現(xiàn)遺傳模糊系統(tǒng)的控制規(guī)則的自動生成。結(jié)合控制系統(tǒng)的性能指標(biāo)，設(shè)定遺傳算法的適應(yīng)度函數(shù)。最后通過仿真試驗，驗證了算法的可行性和有效性。FGA算法實質(zhì)上是一種自適應(yīng)的遺傳算法。該算法能夠依據(jù)規(guī)則集中各個規(guī)則間不同的分布來自適應(yīng)調(diào)節(jié)遺傳算法的交叉率和變異率，以快速生成最優(yōu)規(guī)則集。
　　 對數(shù)據(jù)集的優(yōu)化，本文提出了針對隸屬函數(shù)的遺

3、傳偏移調(diào)節(jié)算法。該算法解決了依據(jù)專家經(jīng)驗得出模糊規(guī)則集時，普通數(shù)據(jù)集難以使模糊控制系統(tǒng)獲得良好的性能的問題。它利用遺傳算法，結(jié)合遺傳偏移調(diào)節(jié)算法以獲取最佳隸屬函數(shù)。最后通過仿真試驗，驗證了算法的可行性和有效性。該算法實質(zhì)上是對遺傳算法在模糊系統(tǒng)應(yīng)用中的編碼方式的改進(jìn)，它以二元模式來對隸屬函數(shù)進(jìn)行實屬編碼，從而減小搜索空間，便于快速優(yōu)化數(shù)據(jù)集。
　　 最后在對匹茲堡優(yōu)化方法和密歇根優(yōu)化方法深入研究的基礎(chǔ)上，并結(jié)合前面的優(yōu)化算法，建

4、立一個全新的模糊遺傳優(yōu)化網(wǎng)絡(luò)模型。它綜合了整體優(yōu)化與局部優(yōu)化相結(jié)合的方法。其全局性的優(yōu)化體現(xiàn)于在模糊系統(tǒng)確立之前它先調(diào)整隸屬度函數(shù)的參數(shù)，局部性的優(yōu)化體現(xiàn)于在模糊系統(tǒng)運算的每一個節(jié)拍，他將運算結(jié)果作為一個歸一化補償值反饋給參與運算的規(guī)則。這樣它將數(shù)據(jù)集的調(diào)整和規(guī)則集的學(xué)習(xí)融合為一體。其中參數(shù)調(diào)整部分采用二元表示法，并將規(guī)則的學(xué)習(xí)算法簡化為一個比例因子，該因子的大小取決于模糊系統(tǒng)輸出的歸一化值。該模型最大的特點是對匹茲堡優(yōu)化方法和密歇根優(yōu)