CH与COR联合机制耦合混杂分布估计算法的模糊规则优化研究

为了降低当前模糊规则优化学习算法的时间复杂度,加快其收敛速度,基于单变量边缘分布估计算法,引入CH(Cordon and Herrera)与COR(Cooperative Rules Methodology)机制,提出混杂分布估计算法耦合CH(Cordon and Herrera)与COR联合机制的模糊规则优化算法研究;对算法的时间复杂度进行理论推导和分析证明,构建算法的分布概率模型。首先使用CH机制产生变量空间;再由COR方法完备的候选规则库;然后利用多种群变量无关分布估计算法MUMDA(Univariate Marginal Distribution Algorithm)进行规则学习,通过增加种群的多样性,减少算法陷入局部最优解的可能;最后对该算法进行实验验证。实验对比结果可以看出,该设计的混杂优化算法的计算,可获得精度较高、可理解性较强的模糊规则库,便于模糊系统在实际工程中的应用。     

基于粒子群优化算法的模糊聚类分析

提出一种基于模糊C-均值算法和粒子群优化算法的混合聚类算法,该算法利用粒子群优化算法全局寻优的特点,有效地克服了模糊C-均值算法对初始值敏感、易陷入局部最优的缺点.实验表明,该算法具备良好的聚类效果.     

一种基于模糊分类的Apriori优化算法

针对海量数据挖掘过程中常见Apriori算法的弊病,提出一种基于模糊分类的Apriori优化算法.它平滑地解决了用区间划分方法处理量化属性存在的问题,避免了经典Apriori算法带来的巨大性能开销.以职称考试成绩为例,验证了该算法的有效性.     

基于模糊粒子群优化算法的无线传感器网络部署优化研究

针对无线传感器网络部署中随机抛洒方式下,如何选择部分节点参与构建网络的问题,提出了一种基于模糊粒子群优化算法的优化部署方法.该方法使用每个粒子代表问题的一个可能解,然后进行迭代寻优,并通过隶属度函数将连续变量转换为01值.实验结果表明:所提方法能够在节点数量和覆盖率之间取得较好的平衡,具有一定的优势.     

基于聚类学习算法的模糊系统辨识方法

在建立模糊辨识器的一般数学模型后，利用最近邻聚类算法对样本数据进行分组，然后再将每一组数据视为一个数据对对系统进行在线训练辨识，从而使模糊辨识器能较快的收敛于起初系统。     

基于一种混沌BP算法的神经模糊控制器的优化

在模糊控制器设计问题的研究中,结合神经网络和模糊控制的优点,设计了一种全网络化的模糊控制器,使模糊推理的实现过程网络化,清晰化.针对BP算法学习速度慢、易陷入局部最小的缺点,引入混沌思维,提出了基于混沌Logistic方程的BP混合学习算法(CBP),将用于神经模糊控制器参数的优化设计中,使设计的神经模糊控制器具有更优的性能.通过仿真对算法及控制器进行验证,仿真结果表明,上述算法能有效地优化神经模糊控制器的参数和结构,所设计的神经模糊控制器具有较好的性能.     

基于MOLCA的催化裂化分离系统多目标模糊优化

催化裂化分离系统由分馏系统和吸收稳定系统两部分组成,本文将催化裂化分离系统作为一个整体进行研究。应用流程模拟软件Aspen Plus建立了该系统的全流程模拟,在此基础上,以干气中C_（3＋）组分数最小和系统能耗最少作为优化目标,建立了该系统的多目标优化数学模型。应用模糊优化理论对优化约束条件进行模糊处理,并采用多目标列队竞争算法（MOLCA）对模糊优化模型以及普通优化模型进行求解。计算结果表明,采用模糊优化的结果优于普通优化的结果,干气品质和系统能耗都得到了明显的改善。为催化裂化分离系统的操作优化提供了参考。     

基于模糊决策与进化算法的生产设备布局优化

为解决复杂情况下制造系统的生产设备布局优化问题,提出了一种将模糊决策与进化算法相结合的设备布局优化方法。进一步完善了优化模型,优化目标包括总成本最小、设备相邻要求最大化和面积利用率最大化等优化目标;其中总成本最小目标考虑了物料搬运成本,设备重置导致的设备拆装、移动成本,生产停工造成的产能损失成本。该方法考虑了用户对于成本、利用率及相邻性要求等存在的满意度、优先度等模糊情况,基于模糊决策理论,对多目标优化模型进行了模糊化处理,设计了模糊适应度函数,用以根据用户的优先关系评价pareto解集。基于求解模型的特点,对多目标进化算法的染色体编码方式与交叉、变异等遗传操作方式进行改进,以提高求解该模型的实用性与效率。最后以实际案例的优化结果证明了该方法的有效性。     

基于状态转移和模糊思考的迁徙优化算法

基于现有的动物迁徙算法(AMO),提出基于状态转移和模糊思考的迁徙优化算法(SMO)来解决全局优化问题。SMO算法中引入了状态模型和模糊对立模型。首先,状态模型中使用两种状态(分散状态和集中状态)来描述种群分布。在分散状态下,群体随机分布于解空间中,因此,使用概率决策的方式探索解空间,这个过程属于空间探索;随着个体之间的相互学习,个体之间的差异已经很小,群体进入集中状态,此时使用基于步长的搜索策略来调节个体位置,这个过程属于局部勘探。因此,将二者结合可以平衡空间探索和局部勘探功能。其次,算法使用了模糊对立模型,充分利用个体的模糊对立位置,增加了群体的多样性,提高了算法的收敛精度。然后,从理论上证明了该算法的收敛性,并且使用12个基准测试函数来验证算法的性能。最后,将该算法与其他优化算法进行比较,实验结果验证了该算法在优化问题上的有效性。     

模糊与天牛须优化算法对恒压供水PID系统的控制对比研究

针对目前城市二次供水恒压控制系统中存在非线性与滞后、间歇性扰动等带来的高层用户用水欠稳问题,建立供水数学模型,将模糊和天牛须优化算法分别引入到恒压供水PID控制算法中,分别设计了模糊和天牛须优化算法的Matlab程序和控制模型并进行仿真数据对比分析.仿真对比结果表明,相较于传统PID算法,模糊PID算法的抗干扰波动小,...     

一种全程变增益模糊控制算法研究

过程控制中的某些对象参数通常具有非线性和时变特性,针对这一特点,宜采用模糊控制算法。本文通过理论计算和实验分析,明确了查询表模糊控制算法中误差量化因子Ke、误差变化量化因子Kec和控制输出比例因子Ku三个参数的具体作用,在此基础上设计了一种三参数全程变化的模糊控制算法,并将该算法应用在PCS-99过程控制综合实验系统的单容液位系统过程控制中,达到了预期的控制效果。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

基于李雅普诺夫稳定性的模糊关系模型辨识算法*

本文在李雅普诺夫稳定性意义下，提出了一种辨识模糊关系模型的学习算法．仿真研究表明该算法简单易行，效果良好；可为模糊系统的辨识与控制提供了一条有效的途径．     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识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, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

基于寿命的变种群模糊遗传算法

针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点，提出了一种种群数变化的模糊遗传算法．该算法对进化种群数进行宏观调控的同时，再用个体寿命限制个体的生存期，实现对种群数的微观调控．并采用模糊控制器控制交叉率，使其能够根据进化的实际情况自动调整．实验数据表明这种方法能够有效防止早收敛，大大改善遗传算法收敛性能．     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

一种线性化模糊内模自适应控制算法

针对非线性对象，提出一种线性化模糊内模自适应控制算法。该算法以一组模糊规则作为非线性对象内部模型，一条模糊规则表示一个局部线性系统；根据对象输入与输出测量值，利用TSK建模方法在线辨识局部模糊内部模型；同时依据辨识模型设计局部H2最优模糊控制规则，所有规则构成H2最优模糊控制器。仿真实验显示：该算法适用于非线性对象的控制，具有较好的鲁棒性和抗干扰能力。     

基于人工免疫细胞模型的模糊聚类算法

传统的模糊c均值算法需要提前输入聚类个数,但输入错误的聚类数会产生错误的聚类结果。为此,提出一种基于人工免疫细胞膜型的模糊聚类算法。引入种群规模迭代与模糊聚类迭代相结合的双迭代思路,利用种群规模迭代指导聚类数的自动生成,在每次种群规模迭代中加入模糊聚类迭代,同时将克隆选择、抗体免疫抑制等操作融入计算过程。理论分析与仿真结果表明,该算法能搜寻到正确的聚类个数,具有较好的聚类效果。     

基于模糊控制的多电梯智能调度算法研究磁

交通状态是多电梯调度系统研究的重要背景,交通流的产生是由乘客流动形成的,而乘客又是电梯运送的对象,即交通系统和输送对象相关。因此通过分析交通状态预测交通流的动态趋势,确定相应交通模式,才可以对多电梯系统调度进行优化,从而达到减少乘客待梯与乘梯时间,提高电梯运送效率,减少系统中电梯的起停次数,降低能耗。论文研究多电梯调度算法,运用模糊控制理论对其进行优化。模糊控制是人工智能的重要内容,结合专家控制理论、模糊集合控制理论和神经网络控制理论,以模糊变量及模糊推理为基础的一种智能计算机控制。