基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

一种使用遗传睡法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法，设计人员只需设置性能数或适值函数，而模糊规则的数目，隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成。描述了一种具有局部优化机制的遗传算法，给出的应用实例表明算法具有良好的适用性。     

一种新型的遗传算法及其应用

把模糊理论与遗传算法结合起来,提出了一种新型的遗传算法.首先引入佳点距离概念,并在此基础上提出了一种模糊惩罚函数,继而建立了一种模糊评价函数,使得对个体的评价更具有合理性、客观性.同时,在遗传算法进化过程中的不同阶段,建立不同的模糊评价函数,从而提高遗传算法的搜索能力.模拟结果显示,该算法是有效和可行的.     

一种利用遗传算法自动生成模糊规则方法

将遗传算法用于模糊系统的建模中,在分析经典遗传算法基本原理的基础上,提出了算法的改进措施;重点阐述了模糊系统中遗传与变异的作用,从而提出了一种具有很强进化能力的模糊规则生成算法,为智能系统获得模糊规则提供了一种有效方法。模拟结果验证了该算法的正确性。     

一种基于遗传算法和模糊规则的分类算法

介绍了一种基于模糊规则和遗传算法的分类算法.首先给出一种模糊规则提取方法,然后遗传算法对模糊规则进行优化选择,最后对不能识别的样本启动触发器.该算法可以在保证分类正确性高的前提下尽量减少规则数,并提高样本识别能力.用Iris数据对该分类系统进行仿真,结果表明该系统具有良好的分类能力和精简规则能力.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于模糊遗传算法的机组组合问题的求解

为求解机组组合问题,提出一种模糊优化与遗传算法紧密结合的新的模糊遗传算法.通过建立模糊推理规则,对交叉率和变异率进行模糊控制,从而提高了收敛速度,避免了不成熟收敛.将该模糊遗传算法应用于一工程算例中求解机组组合问题,与传统遗传算法相比,在同样的种群规模和终止准则下,采用该算法的收敛迭代次数减少,减幅最大达122次,而每次迭代计算时间最多仅增加约0.01 s;优化组合的发电成本减小,减幅最大时达总发电成本的0.73%.     

进化学习模糊规则实现移动机器人的自适应导航

给出了一种轮式移动机器人导航的方法，机器人由一组动态变化的模糊规则集控制，通过遗传算法在线调整和学习模糊规则．根据机器人的运动模型构造了模糊控制器，采用变长度编码方法对规则编码，减少了染色体的尺寸和复杂度，提高了学习速度．通过竞争型小生境遗传算法解决了模糊规则的学习问题法，并分析了设计中遇到的如多条模糊规则同时激活的信度分配等问题．学习过程在二维仿真环境下完成，在自行开发的全局视觉平台上对学到的规则进行了验证．实验结果证明，该方法是正确可行的．     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

改进遗传算法优化模糊均值聚类中心的图像分割

针对传统模糊均值聚类算法存在的问题, 提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法. 首先在标准遗传算法的交叉操作中引入方向因子, 使参与交叉的个体向最佳个体靠近, 加快算法的收敛速度, 并通过增强群体间的信息共享机制提高算法的全局搜索能力, 避免了早熟收敛, 改善了全局解的精度; 然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心, 实现图像分割; 最后采用仿真实验测试算法性能. 实验结果表明, 相对于传统模糊均值聚类算法及其他图像分割算法, 本文算法在分割正确率、 分割速度及鲁棒性上均更优.     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法。首先根据生产控制系统的实验记录的曲线或者数据,初步确定一个“if…then”模糊逻辑规则模型;然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算,构造了一个神经模糊系统;通过有导师的误差反向传输学习,将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改,从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于模拟退火的模糊分类系统在数据挖掘中的应用

给出了一种基于模拟退火的模糊分类系统—SAFCS,该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法,旨在改善与分类问题有关的大型数据空间的搜索性能,找到模糊if-then规则的优化集.SAFCS可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类.文末用某数据集检测了SAFCS的性能,结果表明,在与其他几个著名算法比较时该分类系统性能可靠.     

基于自适应神经模糊推理的精馏分离序列综合

模糊推理能够反映自然语言要素信息传递特性,自适应神经技术能够实现优化建模,通过抽象有效重组判据参数提炼模糊if-then规则,通过构造样本数据进行自适应神经学习训练,根据模型优化参数创建Sugeno模糊推理模型,系统化提出基于自适应神经模糊推理的精馏分离序列优化综合方法。     

一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.     

基于层次分析法的服装面料性能模糊综合评价

为了全面评价服装面料的各项性能指标,采用层次分析法与模糊综合评价相结合的评价方法.首先,建立了服装面料综合性能的评价指标体系,利用层次分析法确定了各项性能指标的权重系数.然后,运用模糊综合评判法对其各项性能指标进行评价,使得对服装面料综合性能的评价具有准确性和客观性.具体实例验证了层次分析法与模糊综合评价相结合的合理性与有效性.     

基于模糊主色调的彩色图像分割及道路检测

该文提出了一种新的基于模糊主色调的彩色图像分割方法。其主要内容是利用各类模糊主色调在各属性类中所占比例的不同构造一动态色彩查找表,并由像元的色彩值求得所对应的模糊主色调值,再由该值查色彩表确定其所属的类别。该方法合理地避免了有监督模式分类法所固有的缺点,以及无监督模式分类法对同一类中色彩的一致性要求。试验表明该方法速度快,效率高,并且对噪声不敏感。     

Fuzzy Control of Chaotic System with Genetic Algorithm

ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｒｅｃｅｎｔｙｅａｒｓ,ｔｈｅｒｅｈａｓｂｅｅｎｉｎｃｒｅａｓｉｎｇｉｎｔｅｒｅｓｔｉｎｔｈｅａｐ ｐｌｉｃａｔｉｏｎｓｏｆｃｈａｏｓｔｏｔｅｃｈｎｏｌｏｇｙ .Ｏｎｅｏｆｔｈｅｐｒｏｂｌｅｍｓｆａｃｅｄｉｓｔｏｉｎｖｅｓｔｉｇａｔｅｔｅｃｈｎｉｑｕｅｓｆｏｒｅｆｆｉｃｉｅｎｔｌｙｍａｎｉｐｕｌａｔｉｎｇｃｈａｏｔｉｃｓｙｓｔｅｍｓ.Ｓｏｍｅｒｅｓｅａｒｃｈｅｒｓｈａｖｅｐｒｏｐｏｓｅｄｔｏｕｓｅｃｌａｓｓｉｃａｌｍｅｔｈｏｄｓｓｕｃｈａｓｆｅｅｄｂａｃｋｃｏｎｔｒｏｌ[1]…     

专家系统中基于模糊对象匹配的研究

提出并研究一种新的知识表达模型"模糊对象".它突破传统的精确模型,是一条将模糊理论和面向对象技术应用于专家系统的途径.详细分析了该模糊对象模型的意义、知识表达结构以及它在模糊专家系统中的推理机制.并应用格贴近度和综合函数γ-operator两种方法计算模糊对象与规则中各种模糊对象模式之间的匹配程度.实验表明,该方法能显著地提高信息的准确性和有效性.最后探讨了用基于模糊专家系统外壳FuzzyCLIPS实现这一方法的可行性.