基于模糊规则的非线性系统建模方法

提出了一种基于模糊聚类自调整的模糊建模方法,基于模糊聚类通过自适应模糊推理来调整模糊系统,一种在线辨识算法的是通过非线笥系统参数的在线性估计来进行的,为了证明了所提出方法的适用性,给出了几个实例的仿真结果。     

基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题。提出将模糊模型用于描述对象的非线性动态特性。通过将模糊模型的输出反馈回来作为模型输入，从而构成了模糊多步预测器，采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

基于遗传算法的模糊神经网络股市建模与预测

提出一种基于模糊神经网络的股票市场建模与预测方法，并采用遗传算法训练网络权值及模糊子集的划分，对于上证指数及个股的建模与预测结果表明，该方法具有很强的学习与泛化能力，在处理诸如股票市场上这种具有一定程度不确定性的非互性的建模与预测方面有很发的价值。     

基于模糊竞争学习的非线性系统自适应模糊建模方法

提出了一种新的基于模糊竞争学习的自调整的模糊建模方法. 基于模糊竞争学习, 模糊系统能够进行自适应模糊推理. 在被调整模糊系统基础上, 提出了一种非线性系统在线估计参数的在线辨识算法. 为了证明提出算法的有效性, 最后给出了几个例子的仿真结果.     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

T-S模糊模型建模方法研究

在总结非线性建模经验的基础上，给出了一种建立精确且运行速度快的T-S模型的方法．首先,为了提高运行速度，用聚类的方法减少模糊规则的数目，并确定每个规则中数据的数目．然后，通过回归最小二乘法初步确定T-S模型规则中的状态矩阵的参数．最后，通过梯度下降方法，精确确定T-S模糊模型的所有参数．仿真实例证明了此方法的有效性．     

基于模糊决策过程的模糊计算树逻辑模型检测

针对由数据表述产生的不确定性模糊系统的模型检测问题,给出模糊计算树逻辑模型检测算法。首先,引入模糊决策过程作为此类系统的模型,其最大特点是在迁移过程中对动作的不确定性选择和状态表述的模糊性。然后,在模糊决策过程基础上,给出模糊计算树逻辑的语法和语义。最后,给出模糊计算树逻辑模型检测算法,该算法是将模糊计算树逻辑模型检测问题转换为模糊矩阵的合成运算,其优势是时间复杂度低、计算过程较为简洁。     

基于遗传算法的模糊系统优化设计方法

提出了一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并钭其应用到模糊系统的优化设计中。仿真结构表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习,遗传优化获得满足系统动态性能的优化控制规则的特点。     

基于遗传算法的广义Takagi-Sugeno模糊逻辑系统最优参数辨识

针对Takagi-Sugeno模糊逻辑系统的隶属函数不具有自适应性且模糊规则数的确定带有很大的人为主观性,这里引入了一类广义Takagi-Sugeno模糊逻辑系统;在模型实现上,以广义Takagi-Sugeno模型为个体,采用简单、有效的矩阵编码方式,借助遗传算法得到一个次优的广义Takagi-Sugeno模糊系统模型,该模型不仅能很好地逼近所要辨识的非线性系统,而且还具有较低的复杂度.仿真结果表明了广义Takagi-Sugeno模型及其参数辨识方法的正确性和有效性.     

基于遗传算法的模糊系统优化设计方法*

提出一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并将其应用到模糊系统的优化设计中．仿真结果表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习、遗传优化获得满足系统动态性能的优化控制规则的特点.     

自然数编码遗传算法的最优群体规模

选择适当的群体规模是使用遗传算法面临的首要问题。对于给定字符串长ｌ，当采用自然数编码时，从理论上证明了遗传算法的最优群体规模的存在性，给出了相应的计算方法，本文工作对于遗传算法的实际应用具有指导意义。     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

基于遗传算法的非线性系统状态空间辨识

本文提出了一种基于遗传算法用状态空间方程描述非线性系统的辨识方法,研究表 明遗传算法能克服此类系统不能采用传统最小二乘法辨识的困难,并能有效地辨识出状态空 间维数及非线性度都不高的系统,同时指出基于遗传算法的非线性状态空间辨识方法在状态 维数确定、关键项确定和非关键项删除等方面还有待进一步研究．     

基于交互式遗传算法的服装风格偏好模型的研究

交互式遗传算法通过交互式的手段以用户对个体的评估来替代传统遗传算法的适应度函数设计.提出并设计了一个基于交互式遗传算法的获取服装风格款式偏好模型的算法,通过交互获取用户的主观评分,结合部件对服装风格的影响度,并应用遗传算法得到用户对服装风格款式的偏好模型.     

模糊树模型及其在复杂系统辨识中的应用

基于二叉树和模糊逻辑理论,提出了一种用于复杂系统建模的模糊树模型.将线性模型和模糊集组织在树结构上,并给出了更新线性模型系数和模糊集隶属度函数的混合算法.与其他建模方法相比,如ANFIS,模糊树模型计算量小,精度高,尤其在高维数据建模中更为明显.仿真结果描述了这种方法的性能.     

基于遗传算法的分形图像压缩

数字图像压缩日益引起人们的重视。利用图像中的局部分形特征进行压缩，取得了好的效果，但其虚拟码书的搜索匹配，计算量十分庞大。本文提出将遗传算法应用于分形图像压缩，大大降低了压缩编码的复杂性，与穷尽搜索匹配的算法相比，搜索范围在Ｏ（１０＾－２）量级，解码图像的峰值信噪比得到很好地保持，实验结果证实了算法的有效性。     

一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（Ｉｍｍｕｎｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ,简称ＩＧＡ）。免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法法,该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进,并结合货郎担（ＴＳＰ）优化问题介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。     

基于遗传算法的最优布局问题求解

二维不规则形状物体的自动最优布局问题是一个在许多生产实践如VLSI制造、造船、金属切割和纺织等中有关键应用的重要问题，也是一个计算机科学和运筹学中的基本问题，使使用传统的方法很到满意解答，针对该问题，提出了一个基于遗传算法的求解方法，并将它应用到服装计算机辅助设计中去，给出了此问题的形式化描述，并将问题归约为一种关于多边形运动规划的筹价形式，根据问题的特性设计了算法的3个重要算子，在解的解码和评价过程中则充分利用了已有的关于多边形运动规划的最优算法，实验结果表明所提出的方法能较好地解决最优布局问题。