多目標(biāo)進化算法對模糊系統(tǒng)解釋性的研究應(yīng)用.pdf

1、該論文以模糊系統(tǒng)的解釋性為研究目標(biāo).首先,提出了與模糊系統(tǒng)解釋性有關(guān)的重要概念.其次,提出了一種基于智能體的多目標(biāo)進化算法從外部訓(xùn)練數(shù)據(jù)提取模糊規(guī)則,在知識提取的過程中,既要考慮規(guī)則的精確性,又要考慮規(guī)則的解釋性.最后,基于智能體的進化算法被應(yīng)用于非線性系統(tǒng)模擬問題和分類問題中.實驗結(jié)果表明,此種基于智能體的進化算法可以得到多個模糊系統(tǒng)解,同其他方法比較,我們方法產(chǎn)生的模糊系統(tǒng)有更好的解釋性和更高的或可比擬的精確性.第一章綜合論述了該文

2、工作的意義,提出了該文的研究背景,研究的主要內(nèi)容和目標(biāo),及主要創(chuàng)新點.第二章對模糊系統(tǒng)作了簡要地介紹,提出了模糊系統(tǒng)解釋性的6項重要概念并加以詳細(xì)闡述,分別是完全性和可區(qū)分性、一致性、緊湊性、效用性、交叉性和覆蓋性.第三章介紹了二進制遺傳算法和實值遺傳算法的一些重要概念和算子,并引入了對分層遺傳算法的討論.分層遺傳算法可以用于結(jié)構(gòu)優(yōu)化,并己被應(yīng)用于優(yōu)化模糊系統(tǒng).第四章對多目標(biāo)進化算法作了簡要的介紹,并回顧了其發(fā)展歷史,最后對第二代多目標(biāo)

3、進化算法中的NSGA-Ⅱ作了詳細(xì)介紹.NSGA-Ⅱ被用于我們提出的基于智能體的進化算法中,用來評價模糊集智能體的生存能力.第五章詳細(xì)介紹了基于智能體的進化算法的實現(xiàn)細(xì)節(jié),包括智能體的內(nèi)部行為和多個智能體的交互機制等.第六章給出了5個實際問題的實驗結(jié)果.分別是二階非線性工廠模型,Lorenz系統(tǒng),Mackey-Glass時間序列,Iris數(shù)據(jù)集和Wine數(shù)據(jù)集.前3個用于研究非線性系統(tǒng)模擬問題,后2個用于研究分類問題.最后,在第七章概括論