基于遗传算法的模糊神经网络智能控制器及其应用

提出了一种基于遗传算法的模糊网络控制系统,该系统采用模糊神经网络结构实现,它用遗传算法优化具有全局性的隶属函数参数,而用ＢＰ算法调节和优化具有局部性的网络权值参数。仿真结果表明该控制器可大大提高模糊神经推理控制系统的自学习性和鲁棒性。     

遗传算法及其应用

本文系统地介绍了遗传算法——一种新的鲁棒优化算法的基本思想和寻优过程。对遗传算法的特点和若干重要问题做了较详细的论述。最后综述遗传算法的应用及其在航空航天领域的应用前景。     

模糊神经网络在炉温控制中的应用

本文提出一种模糊神经网络自学习控制方法，并应用于窑炉温度控制系统中。经实验仿真和应用结果表明，该控制方案可改善具有时变及大纯滞后的炉温控制系统，其性能优于一般Ｆｕｚｙ控制。     

基于遗传算法的模糊延迟反馈控制混沌方法

将模糊控制、遗传算法与专用于混沌的延迟反馈控制相结合,提出了适合于控制混沌的模糊延迟反馈控制方法。它以延迟反馈的思想设计模糊控制器,并利用搜索能力强的遗传算法优化延迟时间和模糊控制器的参数,从而克服了确定控制刚度和延迟时间的困难,使混沌系统控制具有更好的快速性和鲁棒性。并控制了Rssler和Logistic混沌。仿真结果证实了该方法的有效性、快速性和鲁棒性。     

遗传算法在企业竞争决策中的应用

本文根据遗传算法的特点，将其用于博奕论中，旨在求解针对企业竞争决策中的Ｒｉｃｈａｒｄｓｏｎ模型，并指出了遗传算法在此领域中的有关研究方向。     

基于遗传算法的模糊神经控制及其应用

将遗传算法和模糊神经网络结合起来,提出一类智能控制方案。仿真实验和实际温控表明,这类智能控制器可改善具有时变、非线性及大纯滞后系统的控制品质,其性能优于一般模糊控制。     

神经元模糊控制器在工业过程控制中的应用

针对普通模糊控制器存在控制精度不理想的问题,提出一种把神经元与模糊控制器相结合的方法,提高了控制系统的鲁棒性和控制精度,应用于工业过程控制中表明该系统具有良好的性能及应用前景.     

PGAs求解双层规划及其在分销系统优化设计中的应用

研究并行基因算法求解双层规划问题及其在供应链物流分销系统优化设计中的应用.利用下层优化问题的KKT条件把双层规划问题转化为等价的单层规划问题,再利用并行基因算法对得到的单层规划问题进行全局优化,从而得到双层规划问题的全局最优解,最后,通过具体案例研究了上述算法在供应链物流分销系统优化设计中的应用.结果表明,并行基因算法求解双层规划,充分利用了现有计算环境的并行能力,加快了收敛速度,改善了基因算法的全局收敛性能,算法达到了实用化的规模,是一种很有应用前景的计算方法.     

模糊神经网络控制器的优化设计

模糊神经网络控制器不依赖于被控对象精确的数学模型,又能根据被控对象参数的变化自适应调节控制规则和隶属函数参数,但是模糊神经网络控制器在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡.针对以上问题,提出了在线修正计算中仅对控制性能影响大的权值进行修正,以减小计算量;根据偏差及偏差变化率大小,基于TS模型自适应调节权值修正步长,抑制控制器输出的剧烈变化,避免系统发生振荡.仿真结果表明模糊神经网络控制器的优化设计方法可以改善系统控制性能.     

模糊综合评判在科研项目评审中的应用

在分析科研项目评审工作的基础上,应用模糊数学中的相关知识,将评审内容分为以“科技水平、作用意义、科研规模”为准则的准则层以及与各准则相关的指标层,建立了科研项目评审工作的多级模糊综合评判模型。经过实例验算,结果可信,操作简便,有广泛的应用前景。     

用多目标遗传算法优化设计水库分期汛限水位

水库分期汛限水位利用洪水的季节性规律,可在不降低水库防洪标准的前提下,显著提高水库兴利效益.论述了优化设计分期汛限水位的必要性、基于模拟调度优化设计分期汛限水位的可行性.以防洪、发电、航运等多目标来评价分期汛限水位方案,以不降低水库防洪能力为约束条件,建立了优化设计模型.对简单遗传算法进行了多目标评价、引入共享函数、线性变换适应度函数、优解保持策略、重新洗牌等改进,建立了一种改进的多目标遗传算法,用以优化设计分期汛限水位方案.以三峡水库为研究背景,采用混合编码方法描述分期汛限水位方案,利用1882~2003年宜昌站汛期的实测日流量资料进行模拟优化,得出了较优的分期汛限水位方案.计算结果表明,分期汛限水位优化设计能权衡防洪与兴利之间的关系,在满足防洪要求的前提下,显著提高水库兴利效益.     

用遗传算法求解最优同时镇定控制器

研究了用改进的遗传算法求解同时镇定一族线性定常系统的最优状态 /输出反馈控制律问题。引入了通常的二次型指标作为每一个系统的性能指标。在满足稳定性的条件下 ,通过最小化每个系统性能指标的加权函数值来求得最优同时镇定律。提出了一种求解该优化问题的改进遗传算法。计算结果说明了该方法的有效性。     

利用混沌搜索全局最优解的一种混合遗传算法

首先系统分析了遗传算法与其它算法混合的几种策略 ,详细讨论了遗传算法与混沌优化算法的混合问题后 ,给出一种新的混合遗传算法。仿真结果表明 ,新算法能在很短的时间内 1 0 0 %地搜索到全局最优解     

群延时均衡器的遗传算法优化设计

在已有文献报道中多采用Powell法设计均衡网络,但Powell法是确定性优化方法,结果的好坏与初始点的选择关系密切,并易陷入局部极值点。由于遗传算法是一种全局随机搜索方法,即使定义的适应性函数不可导或不连续,它也可能以很大的概率求得全局最优解,因而在工程领域中将有十分广泛的实际应用前景。将一种新的实数码遗传算法应用到群延时均衡器的设计中,并给出了巴特沃斯滤波器群延时均衡器的设计实例,结果表明提出的方法十分有效。     

一种FCM聚类算法的改进与优化

针对一种FCM聚类算法的一些不足 ,提出了具体的改进与提高的方法 ,并引入模糊决策理论 ,进行算法参数m的优化选择。改进后的算法 ,一方面有效地弥补了原算法中存在的不足 ,更好地解决了聚类数目选择等初值问题 ;另一方面 ,通过对参数m的优化选择 ,取得了较理想的聚类效果。最后给出了几种聚类算法对某数据样本集的聚类对比结果。     

一种改进型遗传算法及其收敛性分析

针对解决简单遗传算法 (SimpleGeneticAlgorithm ,SGA)在应用过程中出现收敛过慢和早熟现象的问题 ,提出了一种改进型遗传算法 (ModifiedGeneticAlgorithm ,MGA) ,并利用Markov链理论证明了该算法的全局概率收敛性。最后以雷达滑窗检测器第一门限的优化设计为例 ,说明了该算法的有效性和实用性。     

用遗传算法解决一类模糊流水车间调度问题

对同时考虑模糊加工时间和模糊交货期的模糊流水车间调度问题进行了研究 ,模糊加工时间用三角模糊数来表示 ,模糊交货期用梯形模糊数来表示。应用遗传算法搜索最优排序 ,在适应度函数处理中引入模糊数处理方法 ,以平均满意度最大作为优化目标。最后给出了实验结果和结论     

一种新的模糊自校正控制学习算法

提出一种基于模糊竞争学习的模糊自校正控制方法.通过基于模糊竞争学习确定一种在线模糊辨识算法,在采用此模糊辨识方法对对象进行在线估计的基础上,用调节器实现参数的自动整定.为了验证所提方法的有效性,给出了非线性系统的控制结果.