结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP（Back Propagation）神经网络、径向基（Radial Basis Function,RBF）神经网络以及经典的模糊算法WM（Wang-Mendel）在不同领域的3个经典数据集上进行实验比较,实验结果表明：该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。     

基于改进PSO与规则约简的模糊系统优化算法

模糊系统是一种具有强可解释性和高鲁棒性的智能方法,但目前仍存在精度不高、产生的模糊规则太多等缺陷.针对目前存在的问题,论文通过改进粒子群优化算法优化模糊系统高斯型隶属度函数的参数,以及计算规则支持度约简模糊规则,提出了CPSFS和SPSFS两种模糊系统优化算法.在两个不同领域的经典数据集上的研究结果表明:1)CPSFS算法在训练集和测试集上的预测精度明显优于传统的BP神经网络、RBF神经网络、线性回归等算法;2)CPSFS算法与SPSFS算法减少了大量模糊规则,保证了模型的可解释性;3)CPSFS算法在约简模糊规则后预测精度依然表现最优,符合新时代下回归问题对于AI技术的要求.     

基于Pareto协同进化算法的TS模糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法．该方法由以下两步组成：1）采用模糊聚类算法辨识初始模型；2）利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化．Pareto协同进化算法由规则前件种群和隶属函数种群组成，其目标函数同时考虑模型的精确性和解释性，采用一种新的基于非支配排序的多种群合作策略．利用该方法对一类合成非线性动态系统进行建模，仿真结果验证了该方法的有效性．     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

使用新混合模糊聚类算法的模糊系统建模方法

为了进一步提高模糊系统建立模型的精度,提出一种新的模糊系统算法ANFIS-HC-QPSO：采用一种混合型模糊聚类算法来对模糊系统的输入空间进行划分,每一个聚类通过高斯函数的拟合产生一个隶属度函数,即完成ANFIS系统的前件参数--隶属度函数参数的初始识别,通过具有量子行为的粒子群算法QPSO与最小二乘法优化前件参数,直至达到停机条件,最终得到ANFIS的前件及后件参数,从而得到满意的模糊系统模型。实验表明,AN-FIS-HC-QPSO算法与传统算法相比,能在只需较少模糊规则的前提下就使模糊系统达到更高的精度。     

基于协同进化算法的高维模糊分类系统的设计

基于协同进化算法，提出一种高维模糊分类系统的设计方法．首先定义系统的精确性指标，给出解释性的必要条件，利用聚类算法辨识初始模型．相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数，适应度函数采用3类种群合作计算的策略，在算法运行中利用基于相似性的模型简化技术约简模糊系统，最后利用该方法对Wine问题进行研究．仿真结果表明该方法能够对高维分类问题的特征变量进行选择，同时利用较少规则和模糊集合数达到较高的识别率．     

基于协同进化算法的TS模糊模型设计

提出一种基于协同进化算法的TS模糊模型设计方法．该方法由以下两步组成：（1）采用模糊聚类算法辨识初始的模糊模型；（2）利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由两类种群组成：规则前件种群和隶属函数参数种群；其适应度函数同时考虑模型的精确性和解释性，采用两种群合作计算的策略；为提高模型的解释性，在协同进化算法中利用基于相似性的模型简化方法对模型进行约简．最后，利用该方法对Mackey-Glass系统进行辨识，仿真结果验证了方法的有效性．     

利用Nelder－Mead单纯形法优化模糊逻辑控制器

本文提出了一种优化模糊逻辑控制器的新方法．该方法的主要思想是自动地优化误差变化率的隶属度函数，因为这类录属度函数表征了速度的反馈．为此，首先定义了一族参数化的隶属度函数．然后，在系统的运行过程中利用Ｎｅｌｄｅｒ－Ｍｅａｄ单纯算法来优化这类隶属度函数．为了验证所提方法的有效性，报告了控制一非线性被控对象的阶跃与跟踪响应．     

基于改进遗传算法的TS模糊模型的优化设计

提出了一种新的将隶属度函数和规则库统一编码的改进遗传算法进行TS模糊模型整体优化设计的方法。利用FCM算法和最小二乘法辨识初始的模糊模型;利用改进遗传算法整体优化模糊模型,克服了以往将模型结构和参数分开优化的缺陷。为了提高模型的解释性,提出了将基于相似性的模糊集合和模糊规则的简化方法用于对模型的约简,并利用该方法对Mackey-Glass混沌序列建模。仿真结果验证了该方法的有效性。     

基于模糊分类关联规则的分类系统

为了构建高性能的分类系统，应用模糊集软化数量型属性的划分边界，提出了模糊分类关联规则的挖掘算法。由于模糊集能很好地贴近人类的思维方式，因此挖掘得到的模糊分类关联规则易于被人理解．接着提出了基于模糊分类关联规则的分类系统，并采用遗传优化算法训练分类系统．实例分析的结果表明，基于模糊分类关联规则的分类系统具有较好的精度和可解释性．     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.     

一种基于小波的模糊建模方法

为克服一般Takagi-Sugeno模糊模型的局限性,提出了一种新的用于复杂系统建模的模糊模型．理论分析表明该模型可表示任何一个紧集上的连续函数．该模型的一个显著特点是,模糊模型的输入输出关系与使用特殊母波函数的小波变换的形式相同．基于该性质,可方便地运用小波变换理论确定模糊模型的结构并初始化模型参数．本文详细地介绍了辨识该模糊模型的算法．通过对一个复杂非线性系统的建模并与以前的结果进行比较,验证了本文方法的有效性．     

基于模糊树模型的自适应模糊滑模控制方法

本文针对单输入–单输出仿射非线性系统提出了一种基于模糊树模型的具有监督控制器的模糊滑模控制方法. 该方法用模糊树模型逼近非线性系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考输入信号的跟踪控制. 模糊树辨识方法自适应划分输入空间, 大大减少模糊规则的数目, 在一定程度上可以缓解困扰模糊控制中的”规则爆炸”问题. 该方法通过监督控制器保证闭环系统所有信号有界. 通过理论分析, 证明了跟踪误差收敛到零. 用倒立摆进行仿真验证, 结果表明该方法用较少的模糊规则, 就能得到满意的控制效果, 有推广应用价值.     

A new approach for solving fuzzy transportation problems using generalized trapezoidal fuzzy numbers

In the literature, several algorithms are proposed for solving the transportation problems in fuzzy environment but in all the proposed algorithms the parameters are represented by normal fuzzy numbers. Chen [Operations on fuzzy numbers with function principal, Tamkang Journal of Management Science 6 (1985) 13-25] pointed out that in many cases it is not to possible to restrict the membership function to the normal form and proposed the concept of generalized fuzzy numbers. There are several papers in the literature in which generalized fuzzy numbers are used for solving real life problems but to the best of our knowledge, till now no one has used generalized fuzzy numbers for solving the transportation problems. In this paper, a new algorithm is proposed for solving a special type of fuzzy transportation problems by assuming that a decision maker is uncertain about the precise values of transportation cost only but there is no uncertainty about the supply and demand of the product. In the proposed algorithm transportation costs are represented by generalized trapezoidal fuzzy numbers. To illustrate the proposed algorithm a numerical example is solved and the obtained results are compared with the results of existing approaches. Since the proposed approach is a direct extension of classical approach so the proposed approach is very easy to understand and to apply on real life transportation problems for the decision makers.     

On the influence of using fuzzy extensions in linguistic fuzzy rule-based regression systems

Fuzzy Rule-Based Systems, FRBSs, are powerful tools to address regression problems. They can model the relationship between inputs and outputs by linguistic concepts. However, those FRBSs which are based on the conventional Type-1 fuzzy sets may not be able to handle some difficulties of real-world applications. In such situations, using novel representations of fuzzy sets seems like a good idea. Different extensions of fuzzy sets usually help to provide more precise models in the real-world problems. In this study, the influence of using fuzzy extensions in improving the efficiency of linguistic fuzzy rule-based regression models is investigated. For this purpose, a conventional Type-1 Mamdani FRBS is adapted to the three extensions of fuzzy sets, namely Interval Type-2, Intuitionistic, and Interval Type-2 Intuitionistic fuzzy sets. A two-pass method is proposed to define membership (non-membership) functions of these fuzzy sets; this method is based on the 3-tuples representation of the standard Type-1 membership functions. Wang and Mendel’s rule learning method is adapted to extract fuzzy rules from regression data. In order to tune the membership functions up to different extents, three evolutionary extensions are also presented for each type of the proposed FRBSs. Individual, internal, and external comparisons of the proposed FRBSs were done using 22 real-world regression datasets and statistical tests. Experimental results confirm that all the three proposed FRBSs outperform the classical Type-1 framework; furthermore, the Interval Type-2 Intuitionistic FRBS is the superior system so that an appropriate tuning of its parameters makes it the most accurate model.     

基于H∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H_∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H_∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H_∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.     

二型模糊集的模糊熵研究

研究基于质心的二型模糊集的模糊熵和加权模糊熵,构造了两个二型模糊集的模糊熵度量.针对二型模糊集的特殊情形,提出一种新的区间值模糊集的模糊熵度量,既弥补了现有区间值模糊集退化为普通模糊集时熵为零的不足,又克服了两个明显不同的区间值模糊集熵相等的缺点.数值实例和仿真实验表明了所提出模糊熵的合理性和实用性.     

Linear programming approach for solving fuzzy critical path problems with fuzzy parameters

To the best of our knowledge, there is no method in the literature to find the fuzzy optimal solution of fully fuzzy critical path (FFCP) problems i.e., critical path problems in which all the parameters are represented by LR flat fuzzy numbers. In this paper, a new method is proposed for the same. Also, it is shown that it is better to use JMD representation of LR flat fuzzy numbers in the proposed method as compared to the other representation of LR flat fuzzy numbers.     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成：（1）采用基于特征相似性的特征选择方法,去除原始数据的冗余;（2）利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

复杂模糊分类系统的协同进化设计方法

提出一种基于协同进化算法的复杂模糊分类系统的设计方法．该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略．利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性．