一种自适应模糊系统

采用模糊计算与神经计算相结合的方法，本文提出一各自适应模糊系统模型－－ＡＦＳ。ＡＦＳ采用前向神经网络来实现模糊推理规则，运用模型一致矩阵方法实现动态自适应以及最大关联隶属原则执行模型决策，最后通过若干实便以ＡＦＳ的性能。     

模糊自适应遗传算法及其性能分析

遗传算法是应用比较广泛的一种随机优化算法,而交叉和变异是两个关键操作,本文针对遗传算法在应用过程中叉交概率和变异概率所存在的问题提出一种模糊自适应遗传算法,新算法利用模糊系统技术来自适应估计交叉概率和变异概率,最后,通过多峰函数优化问题的仿真结果证明了算法的实用性和有效性。     

一种基于遗传算法的自适应动态模糊系统的设计与实现

在我们研究的领域中，动态模糊对象是普遍存在的．因此由这些动态模糊对象组成的系统即为动态模糊系统，这类系统具有较强的自学能力和自适应能力，能随环境的变化而变化，本文借助动态模糊集和遗传算法对动态模糊系统进行研究，给出了一种动态模糊自适应系统，并进行了实例分析，实验结果表明该系统是有效的．     

规则自适应模糊控制器*

本文研究了模糊控制器的控制规则自适应问题，提出了一种新的模糊控制规则自生成与自校正方法及相应的算法。仿真研究结果表明本文提出的控制规则自适应算法是有效的。     

一种自适应模糊系统(英)

采用模糊计算与神经计算相结合的方法，本文提出一种自适应模糊系统模型——AFS．AFS采用前向神经网络来实现模糊推理规则，运用模糊一致矩阵方法实现动态自适应以及最大关联隶属原则执行模糊决策．最后通过若干实例以说明AFS的性能．     

一种改进的模糊自适应遗传算法

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的一种新型进化算法。提出了一种2输入和2输出的改进模糊自适应遗传算法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法将群体适应度方差作为模糊控制器的一个输入参量,来度量群体在空间分布的离散程度。将群体适应度均值商作为模糊控制器的另一个输入参量,来度量群体中个体的多样性。从而自适应地控制算法在进化过程中的交叉概率和变异概率。测试函数仿真结果表明,该算法很好地平衡了“开发”与“探测”,取得了较为满意的优化结果。     

一种新的自适应模糊系统

提出应用B-Spline函数为隶属函数的自适应模糊系统，该系统将B-Spline和ANFIS两有机地结合在一起，取长补短，达到简捷的隶属函数自寻优。研究结果表明，该方法运算速度快、系统的逼近误差小、精度高、简单易行，非常适合于隶属函数的在线优化。     

自适应模糊神经网络研究

模糊神经网络提供了从人工神经网络中模糊规则的抽取。本文研究模糊神经网络的自适应学习，规则插入和抽取及神经－模糊推理的FuNN模型，把遗传算法作为系统模糊规则选择的自适应策略之一。     

自适应模糊遗传算法在轮胎花纹降噪中的应用

为了进一步优化轮胎花纹结构参数,提高轮胎花纹降噪的效果,在现有模糊遗传算法的基础上,提出了一种自适应模糊遗传降噪算法（Self-adaptive Fuzzy Genetic Noise-Reduction Algorithm,SFGNRA）。引入变换算子和对非法个体的贪婪处理,能够随时间和个体的适应度大小自动调整变换概率、变异概率,不需要人为设定。利用轮胎噪声仿真分析优化软件进行轮胎花纹结构设计,验证了该算法能进一步降低轮胎的噪声,得到了低噪声轮胎花纹结构方案。研究成果为低噪声轮胎花纹设计规范与方法提供了新的路径。     

基于遗传算法的RBF神经模糊控制器

基于RBF网络和T-S模糊推理过程的函数等价性，将遗传算法引入RBF网络，并结合RBF网络常用的梯度法构成一种模糊控制、RBF网络及遗传算法三者合一的的控制器，从而达到准确、快速的控制。     

改进的自适应遗传算法

Srinvivas等提出一种自适应遗传算法,交叉概率与变异概率能够随着适应度大小而改变。但在这种算法中,群体中最大适应度值的个体的交叉率和变异率为零,这使得进化走向局部最优解的可能性增加。提出了一种改进的自适应遗传算法,使群体中最大适应度值的个体的交叉率和变异率不为零。实验结果表明该算法在抑制“早熟”现象,防止陷入局部最优,提高种群收敛速度方面都有明显的效果。     

引入学习机制的自适应遗传算法设计与实现

目前遗传算法研究中,缺乏对历代群体进化规律的充分利用,因此引入学习机制,设计反映个体自主学习进化规律的自适应算子,并且结合现有的改进遗传算法,提出一种新的自适应遗传算法。最后以两个通用的测试函数为例对算法进行性能测试,结果表明,在采用相同参数的条件下,自适应算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。     

模糊自适应运动目标跟踪算法

运动目标在跟踪过程中往往伴随着尺度、形状的变化,Mean shift跟踪算法由于采用固定的核窗宽度进行运动目标跟踪,因而它本身不能适应这种变化。针对Mean shift算法存在的缺点,提出一种基于模糊推理的自适应Mean shift跟踪算法,该算法利用卡尔曼滤波算法对目标当前位置进行预测;设计模糊判定准则在线调整目标尺度值,利用Mean shift迭代运算逐步逼近目标完成跟踪;利用相似度和置信度系数设计模型更新准则,以实现模板的自适应更新。实验结果证明,该算法能够适应目标尺度和背景的变化,较普通的Mean shift跟踪算法不仅跟踪精度提高,而且鲁棒性更强。     

精英自适应混合遗传算法及其实现

传统的基本遗传算法在全局搜索和收敛速度上存在不足,而自适应遗传算法可以较好地控制算法的全局搜索能力和收敛速度。提出精英选择算法,将父辈和多个子辈组成“家庭”,选择家庭中的优秀个体进入遗传群体。将自适应思想与精英选择算法结合起来提出精英自适应混合遗传算法,保证了样本多样性,同时大大加快了收敛速度,采用一个多峰值函数验证了混合算法的性能。     

一种改进的自适应遗传算法求解专家分配问题

基金项目管理中,专家分配问题的研究具有很现实的意义。在解决专家分配问题上做过一些基础性的工作,提出了使用遗传算法及一种信息素指导变异的新算法求解该问题。实验证明,遗传算法是一种可行的途径,并且信息素指导下的启发式变异操作,可以加速算法向最优解搜索。但是,这两种方法都存在局部搜索能力差的问题,在算法运行的中后期会出现大量的冗余迭代。鉴于此,提出一种信息素指导下的自适应变异方法求解专家分配问题。实验证明,新算法具有更强的收敛能力和局部搜索能力。     

一种基于自适应遗传算法的神经网络学习算法

结合遗传算法与梯度下降法优点,提出了一种训练神经网络权值的混合优化算法,同时能够优化网络的结构。首先利用全局搜索能力可靠的遗传算法,采用递阶编码方案和自适应变异概率,同时优化网络的权值和结构,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,最终达到网络的训练目标。与单一的遗传算法或者梯度下降法比较而言,混合优化算法的收敛速度明显提高。     

基于自适应混沌遗传算法的路径规划

如何保证在未知复杂环境下规划出的机器人路径全局最优或较优一直是这一领域的一个研究难题,将混沌理论和遗传算法相结合,提出了一种新颖的基于自适应混沌遗传算法的机器人路径规划算法。利用信息熵产生初始群体,增加初始群体的多样性,将混沌优化的遍历特性引入遗传算法,以防止和克服进化过程中的“早熟”现象。仿真实验表明,即使在复杂的未知环境下,利用该算法也可以规划出一条全局优化路径,且能安全避碰。     

Study of impact from the genetic algorithm combined adaptive network-based fuzzy inference system model on business performance

Not only does business performance serve a major indicator for investors＇ decision, but it also has a lot to do with employees＇ living. Generally speaking, when predicting or analyzing business performance classification, most researchers adopt corporate financial early-warning or credit rating models, which pretty much use previous data and facts. Therefore, this paper brings about an alternative method to discriminate between excellent and poor business management, so as to take preventive measures prior to business crisis or bankruptcy. We collect the financial reports and financial ratios from the listed firms in mainland China and Taiwan as our samples to build up tbur kinds of forecasting models for business performance. The empirical results show that the GAANFIS model provides better classification forecasting capability than other models do while ANFIS model adjusted by genetic algorithm could effectively enhance the classification forecasting capability.     

An adaptive parallel genetic algorithm system for i‐Computing environment

Many real‐world optimization problems in the scientific and engineering fields can be solved by genetic algorithms (GAs) but it still requires a long execution time for complex problems. At the same time, there are many under‐utilized workstations on the Internet. In this paper, we present a self‐adaptive parallel GA system named APGAIN, which utilizes the spare power of the heterogeneous workstations on the Internet to solve complex optimization problems. In order to maintain a balance between exploitation and exploration, we have devised a novel probabilistic rule‐driven adaptive model (PRDAM) to adapt the GA parameters automatically. APGAIN is implemented on an Internet Computing system called DJM. In the implementation, we discover that DJM's original load balancing strategy is insufficient. Hence the strategy is extended with the job migration capability. The performance of the system is evaluated by solving the traveling salesman problem with data from a public database. Copyright © 2003 John Wiley & Sons, Ltd.     

量子遗传算法的模糊K-prototypes聚类

聚类分析是数据挖掘中应用最多的一种技术,它在许多领域都有重要应用。模糊h-prototypes算法是当前聚类分析中最有效算法之一,但是存在对初始值敏感、容易陷入局部极小值的问题。为了克服该缺点,提出了一种基于量子遗传算法和FKP算法的混合聚类算法,首先利用量子遗传算法确定FKP的初始聚类中心,再将量子遗传算法聚类结果作为后续FKP算法的初始值。实验结果显示,算法具有良好的收敛性和稳定性,聚类效果优于单一使用FKP算法和相关改进的算法。