一种新型自寻优模糊控制器

利用梯度下降法反向修改带有可调整因子的模糊控制器中的可调整因子。提出了一种对可调整因子进行在线实时修改和优化的方法。通过对被控对象的分析给出了控制器参数的初值。在运行过程中，利用该方法对可调整因子进行在线实时修改和优化，实现模糊控制器控制规则的自寻优，使过程具有较好的控制品质。     

自寻优模糊控制器及其在温室温控中的应用

大型温室控制系统的大滞后及滞后不定等特点导致难以找到准确的控制规律,近似控制规律的大误差又会直接影响控制的效果.文章提出了一种适合于温室大棚控制的滞后因子可变的模糊控制器,通过补偿解决滞后问题,同时通过自适应方法修正控制表.仿真结果显示,该控制器具有良好的控制效果.     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

基于遗传算法的自寻优模糊控制器的研究与应用

针对矿山电力传动系统的特点和要求 ,根据遗传算法和模糊控制理论 ,研究和设计了一种基于遗传算法的自寻优模糊控制器。仿真研究和实时控制结果表明 ,该控制器设计的调速系统具有响应速度快、空载和负载情况下无静差、无超调、鲁棒性强等特点 ,且结构简单 ,易于实现实时控制。     

一类时变非线性系统的参数反馈模糊控制器分析与设计

本文针对工业控制中一类常见的非线性时变系统，提出了一种利用参数反馈在线修正 规则的模糊控制器；在全面介绍控制器结构与功能的同时，详细阐述了模糊规则修正器的原 理和设计方法，并采用基于功能评价的方法进行系统分析．在这个控制系统中，基本模糊控 制器简单实用；模糊规则修正器能充分利用对被控对象的分析成果；GA寻优算法能进一步简 化设计，提高性能．仿真结果表明，这种控制器的效果是令人满意的．     

基于基因算法的多变量模糊控制器的设计*

本文提出了一种通用的模糊控制器的设计方法,这种方法运用基因算法进行寻优,具有设计速度快、人工干预少,可获得一个基于一定性能指标的次优或最优模糊控制器。它可以对多输入多输出（ＭＩＭＯ）系统进行设计,不需要被控对象的精确数学模型,本文最后以二级倒立摆系统为控制对象给出了一个设计实例和实际控制的结果。     

复合型非线性控制器在时变非线性系统控制中的研究及应用

在对增量式PID研究和改进基础上,以增益的方式引入模糊非线性控制技术,构建了一种新型的复合型模糊非线性增益PID控制器.这种复合型控制器在误差进入不同范围时,分别具有全速、积分分离、变速积分和稳态控制等控制特性,并根据误差大小采用非线性增益调节方式,有效地克服了控制过程不同阶段中出现的响应失控、收敛慢以及波动的现象.实际应用表明,这种复合型控制器在模拟风浪对防波堤模型动态激励控制过程中,达到了响应迅速、抗干扰能力强、鲁棒性能好的控制效果.     

基于最优权值的二级倒立摆模糊控制器

提出利用最优反馈矩阵来加权模糊控制器的输入变量,并且通过对系统状态的综合处理,减少了模糊控制器的输入变量,降低了控制器的设计难度。仿真结果表明,这种控制器不但结构简单,而且具有很好的控制效果。     

基于改进模拟退火算法的手写体数字识别

对模糊C-均值聚类作了简要分析和评论,在此基础上将模拟退火机制引入其中,以克服模糊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;详细设计了算法。仿真结果说明,该方法在识别速度和准确率方面都达到了令人满意的效果,为手写体数字的识别提供了一种新方法,也拓展了模糊理论的应用范围。     

基于改进模拟退火算法的手写体数字识别

对模糊C-均值聚类作了简要分析和评论，在此基础上将模拟退火机制引入其中，以克服模糊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；详细设计了算法。仿真结果说明，该方法在识别速度和准确率方面都达到了令人满意的效果，为手写体数字的识别提供了一种新方法，也拓展了模糊理论的应用范围。     

Optimising multi-product multi-chance-constraint inventory control system with stochastic period lengths and total discount under fuzzy purchasing price and holding costs

While the usual assumptions in multi-periodic inventory control problems are that the orders are placed at the beginning of each period (periodic review) or depending on the inventory level they can happen at any time (continuous review), in this article, we relax these assumptions and assume that the periods between two replenishments of the products are independent and identically distributed random variables. Furthermore, assuming that the purchasing price are triangular fuzzy variables, the quantities of the orders are of integer-type and that there are space and service level constraints, total discount are considered to purchase products and a combination of back-order and lost-sales are taken into account for the shortages. We show that the model of this problem is a fuzzy mixed-integer nonlinear programming type and in order to solve it, a hybrid meta-heuristic intelligent algorithm is proposed. At the end, a numerical example is given to demonstrate the applicability of the proposed methodology and to compare its performance with one of the existing algorithms in real world inventory control problems.     

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。     

A soft computing-based approach to optimise queuing-inventory control problem

In this paper, a multi-product continuous review inventory control problem within batch arrival queuing approach (M^Qr/M/1) is developed to find the optimal quantities of maximum inventory. The objective function is to minimise summation of ordering, holding and shortage costs under warehouse space, service level and expected lost-sales shortage cost constraints from retailer and warehouse viewpoints. Since the proposed model is Non-deterministic Polynomial-time hard, an efficient imperialist competitive algorithm (ICA) is proposed to solve the model. To justify proposed ICA, both ganetic algorithm and simulated annealing algorithm are utilised. In order to determine the best value of algorithm parameters that result in a better solution, a fine-tuning procedure is executed. Finally, the performance of the proposed ICA is analysed using some numerical illustrations.     

基于B-P神经网络的非线性预测控制

针对用一般的方法控制糖液的过饱和度很难奏效的问题,运用B-P神经网络构造预测模型,将模拟退火算法的局部搜索与遗传算法的全局搜索相结合。进行在线滚动优化,对煮糖结晶过程中的过饱和度进行预测控制。实际运行结果表明,基于B-P神经网络的预测控制算法响应速度快、控制精度高、鲁棒性强,具有很强的实用性。     

基于退火的蚁群算法在连续空间优化中的应用

研究了蚁群算法在连续空间的函数寻优问题。通过修改蚂蚁信息素的留存方式和行走规则,定义了一个连续空间的蚁群算法。模拟蚂蚁用触角交流信息的过程提出了直接通信的学习机制,增强了蚂蚁的搜索能力。为了防止出现“早熟”现象,在局部搜索过程中嵌入了模拟退火的思想。同时为避免过大的残留信息,选择了新的信息增量计算函数。实例运算证明了算法的有效性。     

基于改进的模拟退火算法及其在火炮控制系统中的应用

针对现有火炮控制系统与模拟退火算法优化存在的问题,提出了一种改进的模拟退火算法用于火炮控制系统PID参数寻优的方案,即基于变尺度法的模拟退火算法。该算法采用了全局优化和局部优化相结合的思想,能显著提高算法的执行效率,收敛性较好,而且不易陷入局部最优解。给出了具体实现过程和优化实例,并将该算法应用到火炮控制系统中,仿真实验表明,该算法是一种有效的全局优化算法。     

免疫模拟退火算法求解TSP

文章介绍了免疫学的一些基本理论,然后在模拟退火算法及免疫算法的基础上,提出了一种新的免疫模拟退火算法求解TSP。通过对CHN144以及标准的TSPLIB中的PR1002的数据进行测试,结果表明该算法具有良好的性能。     

一类非线性规划的模拟退火求解

本文针对一类非线性规划问题，提出并设计了模拟退火求解算法，分析证明了算法能够渐近敛于全局最优解且具有多项式计算复杂性，为研究非线性规划提供了新的有效的求解途径。实例计算也表明，模拟退火求解非线性规划确实是有效的。