钢铁企业合作创新项目选择的模糊聚类分析

在合作创新过程中,针对区间数的评价信息,提出一种基于遗传算法的模糊聚类方法.考虑方案各准则的权重、准则值为区间数,同时要求对聚类中心各准则值有严格序关系.然后结合隶属度变量构建优化模型,利用具有动态惩罚函数的遗传算法求解,计算得到各方案的所属类别.实例证明了该方法的有效性和可靠性.     

基于模糊关联规则的股票市场交易规则抽取

将模糊关联规则应用于股票市场的交易规则抽取,以期能为投资者投资做出正确决策.首先选用聚类方法对模糊集属性进行离散化,进而构造模糊集和隶属函数,给出模糊集构造算法,最后提出适合股票交易规则抽取的模糊关联规则算法FARS.实验结果表明,所得规则能很好的反映股票交易中的实际情况.     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

风力发电和飞轮储能联合系统的模糊神经网络控制策略

针对于风力发电和飞轮储能联合系统,提出了一种新的控制策略。基于飞轮储能系统里矢量控制的感应电机,建立了系统的数学模型。在系统里,采用模糊神经网络控制算法实现直流总线电压的自动调整,达到稳定系统的直流总线电压的目的。仿真和实验结果证明,在风力发电和飞轮储能联合系统的能量控制过程中使用模糊神经网络控制算法实现了能量的快速存储和释放,起到了稳定系统电压的作用,取得了满意的控制效果。     

基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。     

区间数模糊投资组合模型

利用模糊约束将Markowitz投资组合模型转化为模糊线性规划模型，用区间数来描述证券的期望收益率和风险损失率，建立区间数模糊证券投资组合模型，利用区间数知识把区间规划问题转化为参数线性规划问题对该模型进行求解，通过算例阐述方法的有效性。     

基于遗传算法和模糊决策的大规模联盟伙伴选择方法研究

为解决大规模的网络制造联盟合作伙伴选择问题,在建立该问题数学模型的基础上通过分析引入遗传算法和模糊决策理论,提出一种分阶段的伙伴选择算法:通过遗传算法求解模型缩小选择的范围,利用遗传算法的解通过模糊决策考虑多个影响因素进行最后决策.对于该方法给出了具体的求解步骤,并用算例说明这种方法的可行性.这种分阶段的伙伴选择算法充分利用了数学的工具和决策者的经验,提高了决策的科学性和合理性.     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

直觉模糊等价矩阵构造方法

对直觉模糊相似关系和等价矩阵构造问题进行了深入研究,提出一种利用求传递闭包来构造直觉模糊等价矩阵的方法,并从理论上给出了相关证明.首先,利用直觉模糊合成运算及其结合律,相关引理和数学归纳法证明了直觉模糊相似矩阵R的任意k次合成运算也是直觉模糊相似矩阵的定理.其次,综合运用直觉模糊最小传递矩阵的概念及相关引理,证明了n阶直觉模糊矩阵的传递闭包定理和n阶直觉模糊相似矩阵定理,推导出包含R的最小直觉模糊等价矩阵的推论.最后指出,可以从一个直觉模糊相似矩阵R出发,利用连续合成运算求传递闭包的方法来构造一个直觉模糊等价矩阵.     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。