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。     

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。     

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。     

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。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域,已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分,所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型,它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法,因为遗传算法的全局优化能力,所以可以得到相对较为合适的模糊规则,通过仿真结果,也可以看出它确实是一种切实可行的方法。     

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.     

自适应遗传算法在固态流体流速检测中的应用

在自适应遗传算法的基础上,提出了一种基于模板匹配的测量固态流体速度的方法。基于基本遗传算法的模板匹配快速、简单且鲁棒性好[6],但准确度不够,因此采用改进的自适应遗传算法。实验证明,基于自适应遗传算法的模板匹配高效准确,能够满足所采取的嵌入式实验平台关于实时性、准确性的基本要求。     

基于遗传算法的模糊模式识别及其应用

针对谷物害虫图像识别的特点，提出了基于模糊理论的害虫图像识别方法。对模糊C-均值聚类做了简要分析和评论，在此基础上将遗传算法引入模糊聚类，利用其搜索的随机和并行性，克服了模糊C-均值聚类的局部性和对初始聚类中心的敏感性；采用了基于贴近度和择近原则的模糊识别方法，分析了格贴近度的不足之处，并对之进行了改进。实验结果表明了上述方法是有效的，可行的，扩大了遗传算法和模糊理论的应用范围。     

基于遗传算法与FCSS相结合的模糊球壳聚类算法

模糊球壳聚类(FCSS)算法广泛地应用于模式识别与机器学习等领域。由于其采用基于梯度法和交替寻优策略,对初始化比较敏感,容易陷入局部极值点,从而影响聚类效果。将现代全局优化方法之一的遗传算法(GA)与FCSS算法相结合,得到一种新的球壳聚类算法GA-FCSS。数值实验表明:新方法对球壳形数据有令人满意的聚类效果。     

自适应遗传算法优化神经网络的入侵检测研究

入侵检测是一种动态的安全防护技术,能够对网络内部、外部攻击进行防御.基于神经网络的入侵检测是常见的智能入侵检测方法.针对神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出了一种将神经网络和遗传算法相结合,用遗传算法优化神经网络权值,在遗传算法优化神经网络时采用自适应遗传操作.将自适应遗传算法优化神经网络算法应用于入侵检测系统中,实验结果表明,该方法能够有效的提高系统的检测率,降低误报率和漏报率.     

基于自适应递阶遗传算法的神经网络优化策略

基于递阶结构的遗传算法可以同时对多层前向神经网络进行结构优化和权重求解。与基本的遗传算法相比，这种算法不仅在权重训练方面更加快速稳定，而且能在学习过程中确定网络的拓扑结构，具有较高的学习效率，而在遗传过程中采用自适应的交叉和变异概率能有效加快遗传速度和避免早熟现象的出现。     

On-line genetic algorithm-based fuzzy-neural sliding mode controller using improved adaptive bound reduced-form genetic algorithm

In this article, a novel on-line genetic algorithm-based fuzzy-neural sliding mode controller trained by an improved adaptive bound reduced-form genetic algorithm is developed to guarantee robust stability and good tracking performance for a robot manipulator with uncertainties and external disturbances. A general sliding manifold, which can be non-linear or time varying, is used to construct a sliding surface and reduce control law chattering. In this article, the sliding surface is used to derive a genetic algorithm-based fuzzy-neural sliding mode controller. To identify structured system dynamics, a B-spline membership function fuzzy-neural network, which is trained by the improved genetic algorithm, is used to approximate the regressor of the robot manipulator. The sliding mode control with a general sliding surface plays the role of a compensator when the fuzzy-neural network does not approximate the dynamics regressor of the robot manipulator well in the transient period. The adjustable parameters of the fuzzy-neural network are tuned by the improved genetic algorithm, which, with the use of the sequential-search-based crossover point method and the single gene crossover, converges quickly to near-optimal parameter values. Simulation results show that the proposed genetic algorithm-based fuzzy-neural sliding mode controller is effective and yields superior tracking performance for robot manipulators.     

基于遗传算法的信息自适应发布方案

普适环境中的各种设备都能通过任意网络随时随地获取Web服务.针对同样的信息在不同尺寸的终端设备上以最佳效果显示的需求,提出了一种树型内容组织的信息自适应发布模型,并给出了基于遗传算法的求解框架.为了快捷地寻求最佳方案,充分利用遗传算法良好的全局搜索能力,设计了适合该问题的编码方式和杂交、变异方式,使得该算法具有计算量较小,搜索精度高、收敛速度较快、抗早熟能力强等特点,说明采用遗传算法来解决信息自适应发布问题是一种行之有效的方法.     

基于改进型遗传算法的能源模糊优化的研究

将模糊优化的概念引入能源模型中,将多目标能源模型中的能源、经济和环境3个目标函数的约束条件模糊化,并定义了由惩罚函数和目标函数组成的新目标函数.针对该模糊多目标优化模型,采用改进型遗传算法进行求解,在适应度函数以及其它遗传操作的设计上做了改进.实验表明,这种遗传算法是一种性能优良的解决能源优化问题的启发式搜索算法,可以快速有效的求得能源优化问题的最优解,进而得到能源的最佳配置.     

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明：基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。