采用DNA 遗传算法优化设计的TS模糊控制系统

基于生物 DNA的结构和遗传机理 ,提出一种新颖的基于 DNA编码方法的遗传算法。给出了DNA遗传算法的结构 ,讨论了遗传操作算子。为验证 DNA遗传算法的有效性 ,将其应用于 TS模糊控制系统的优化设计 ,仿真结果表明该算法具有较好的自学习能力。     

采用新的DNA进化算法自动设计Takagi-Sugeno模糊控制器

提出一种新颖的基于DNA的进化算法(DNA-EA)来自动设计一类Trakagi-Sugeno(TS)模糊控制器.TS模糊控制器采用带有线性规则后项的TS模糊规则,连续输入模糊集,Zadeh模糊逻辑和常用的重心反模糊器.TS模糊控制器被证明是带有可变增益的非线性PI控制器.DNA-EA被用于自动获取TS模糊规则,并同时优化模糊规则前项和后项中的设计参数.DNA-EA采用由生物DNA结构启发得到的DNA编码方法来编码模糊控制器的设计参数.在DNA-EA中,引入了受微生物进化现象启发的基因转移和细菌变异操作.另外,也引入了基于DNA遗传操作的框构变异操作.DNA编码方法非常适合于复杂知识的表达,基于基因水平的遗传操作也很容易引入到DNA-EA中.染色体的长度是可变的,且可插入或删除部分碱基序列.作为示例,给出了采用DNA-EA来自动设计TS模糊控制器用于控制一类非线性系统的方法.DNA-EA能自动地构造模糊控制器.计算机仿真结果表明,DNA-EA是有效的,且优化得到的模糊控制器是满意的.     

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．     

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．     

基于微分进化算法的模糊模型设计

提出一种基于微分进化算法的TS模糊模型设计方法。该方法利用“匹茨堡型”实数编码的微分进化算法,对初始模糊模型的结构和参数进行学习。微分进化算法的目标函数同时考虑模型的精确性和解释性。利用该方法进行一类合成非线性动态系统的辨识,仿真结果验证了该方法的有效性。     

基于差分进化算法的模糊神经网络控制器

针对模糊神经网络控制器在应用误差反向传播算法训练时,易于陷入局部最优的问题,提出了一种将差分进化算法与BP算法相结合的学习法,首先利用差分进化算法的全局寻优能力,给BP算法一个好的寻优初始点;然后再以一定的概率进行BP算法的寻优.对一个带有滞后环节的二阶系统进仿真表明,控制性能优于基于BP的模糊神经网络控制器.     

优化的模糊控制器在温室系统中的应用

为了更好的对温室因子进行控制,针对温室控制的特点,本文提出了一种遗传算法和BP算法相结合的模糊神经网络控制器,将两种控制方法取长补短,再依据网络的结构特点采用不同的算法来优化控制器的参数,并通过仿真等对其功能进行了分析.结果表明,这种应用是合理的.     

模糊神经网络的DNA算法训练

提出了基于DNA计算和遗传算法的DNA遗传算法,给出了DNA遗传算法的结构，讨论了遗传操作算子,利用DNA遗传算法对FNN进行学习，比采用梯度型算法和遗传算法有更高的学习精度和更快的收敛速度,该算法有全局收敛性避免了采用梯度型学习算法训练FNN时固有的局部收敛问题，同样，该算法加速了FNN的训练，能够在线应用．     

基于Pareto协同进化算法的TS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TS模型的二型模糊控制器和观测器分析与设计

主要探讨一种新的系统方法——二型模糊系统在控制上的应用．文章先介绍了二型模糊集合和系统的基本概念和基本方法，然后集中推导TS模型下规则的输出形式，推广一型系统的特性，从而获得二型模糊控制器和观测器的表达式、稳定性以及其它特性分析方法，并以小车倒立摆仿真验证．最后文章从整体上分析和比较了传统系统、一型模糊系统和二型模糊系统的主要特点和不同点．     

基于多目标遗传算法的TS模糊模型设计

提出一种利用遗传算法进行TS模糊模型的优化设计方法。首先定义了TS模糊模型的精确性指标,给出模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型;利用多目标遗传算法优化模糊模型;为提高模型的解释性,在遗传算法中利用基于相似性的模糊集合和模糊规则简化方法对模型进行约简。最后利用该方法进行一类二阶合成非线性动态系统的建模,仿真结果验证了该方法的有效性。     

基于聚类和遗传算法的解释性模糊模型设计

提出了一种基于模糊聚类和遗传算法构建解释性模糊模型的设计方法。定义了模糊模型的精确性指标,给出了模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型;采用多目标遗传算法优化模糊模型;为提高模型的解释性,在遗传算法中利用基于相似性的模糊集合和模糊规则的简化方法对模型进行约简。采用该方法对Mackey-Glass系统进行建模,仿真结果验证了该方法的有效性。     

一种基于PFLC的可演化模糊逻辑控制器设计与实现

常规的模糊控制器主要通过计算机软件或单片机实现,但模糊控制器是一个高度并行的系统,实时性、自适应性要求较高,这种实现方式不能满足现代模糊控制器的设计要求。要解决这个问题必须从算法和器件结构入手。本文提出以可编程模糊逻辑控制器芯片（PFLC）作为可演化的部件,利用遗传算法优化生成模糊规则的演化硬件结构。模糊规则的自适应性是通过引入可调整因子,根据环境的变化自寻优获得。以典型二阶系统模糊控制为例进行仿真实验,其结果表明了这个可演化的模糊逻辑控制器结构的可行性。     

一种可演化的查表式模糊逻辑控制器设计与实现

常规的模糊控制器主要通过计算机软件或单片机实现,但模糊控制器是一个高度并行的系统,实时性、自适应性要求较高,这种实现方式不能满足现代模糊控制器的设计要求.要解决这个问题必须从算法和器件结构入手.根据多值逻辑和PLA理论,提出了一种可演化的查表式模糊逻辑控制器.根据模糊逻辑控制器查询表的对称性和单调性特点,提出了一种查询表的简单生成算法.利用J门和PLA设计查询表硬件电路.以典型二阶系统模糊控制为例进行仿真实验,其结果表明了这个可演化的模糊逻辑控制器结构的可行性.