基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在的两个瓶颈：模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象。并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中,根据已知的模糊控制规则,对模糊隶属函数自动寻优。以工业过程控制为对象,针对具     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中，模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响，实际设计时隶属函数的确定往往需要反复试凑．文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围，及隶属函数优化．采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算，可以得到隶属函数覆盖范围的最优划分．结果表明这种方法可以求得全局最优。     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中,模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的,隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响,实际设计时隶属函数的确定往往需要反复试凑.文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围,及隶属函数优化.采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算,可以得到隶属函数覆盖范围的最优划分.结果表明这种方法可以求得全局最优.     

基于多级遗传算法的模糊隶属度函数的优化

针对遗传算法的在应用过程中出现的过早收敛问题,提出基基于多级遗传算法的模糊控制,通过高级遗传算法的操作遗传算法可以获得不同种类的优良模式的新个体,从而它们提供了更加平等的竞争机会,并且在低级遗传算法在中采用Ｍｅｔｒｏｐｏｌｉｓ判别准则对遗传算法的复制算子加以改进,有效地破坏群体中个体的单一性,增加多样性,使隶属度参数得到优化,从而改善了控制性能,倒立摆仿真实验表明这种方法是有效的,是解决早收敛问题     

模糊隶属度函数的遗传优化

模糊控制的成功应用依赖于一系列参数,例如隶属度函数,这些参数通常是主观设定的。该文提出了一种基于RGA的遗传优化算法来实现隶属度函数的生成和优化,克服了输入和输出变量隶属度函数参数设计的主观性和盲目性。通过在模糊控制器进行仿真比较研究,结果表明模糊控制器经过优化后控制品质有较大的改善和提高。     

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。     

基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。     

基于遗传算法的起重机模糊控制研究

针对起重机的定位和防摆控制,设计了两个模糊控制器,分别对小车的位置和负载的摆动进行控制。并将遗传算法和模糊控制相结合,利用遗传算法对模糊隶属度函数、比例因子和量化因子进行优化,提高了模糊控制器的自适应和自学习能力,改善了系统的控制性能,从而实现了起重机的精确定位和消摆,提高了起重机的工作效率。仿真结果表明该方法的有效性。     

一种基于模糊遗传算法的隶属函数自学习方法研究

将传统遗传算法在模糊系统中进行了推广。研究了一种模糊遗传算法，给出了算法描述，一般性讨论，并在模糊控制器参数自适应整定问题中得到应用。仿真结果显示了其有效性     

基于自适应遗传算法模糊PID控制器参数优化

该文针对自适应模糊控制器的多参数优化问题,提出一种自适应遗传算法同时优化模糊规则和隶属函数的方法.先对隶属度函数和控制规则进行联合编码,遗传进化前期采用锦标赛精英保留,后期采用基于轮盘赌的非线性选择方法,保留了种群中较优个体,提高种群的多样性.采用一种自适应交叉变异算子,使交叉变异概率根据进化过程不断自动调整,避免算法...     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。     

遗传算法在函数优化中的应用

对遗传算法作了简单的介绍,讨论了利用遗传算法求解函数优化问题的方法,最后给出 了２个函数优化实例。     

基于遗传算法的自适应模糊调节器的设计

本文简要阐述了遗传算法和模糊控制的基本原理,并结合二者针对一个具体的随机非线性系统进行优化研究。文章设计了基于遗传算法的自适应模糊调节器。并在充分分析了量化因子对系统稳态性能和动态性能的影响的基础上,提出了一种智能调节量化因子的模糊控制算法,使系统具有更好的动态和稳态性能。文章利用此控制器对双线性模型进行了仿真,结果证明了其有效性。     

基于GA算法的神经网络模糊辨识器研究及其应用

将模糊逻辑系统、ＧＡ算法与ＢＰ算法相结合,形成一种有效网络学习方法。提出了基于神经网络的模糊逻辑系统辨识器的结构形式,利用自适应交叉率、变异率ＧＡ算法对其进行参数训练。通过计算机仿真和加氢裂化装置航煤干点模型预测,表明该方法的可行性和实用性,可望为石油化工模型预测、优化操作提供一种辅助性有效手段。     

基于遗传算法优化的模糊控制技术

在传统模糊控制的基础上,提出了一种基于遗传算法优化的自调整模糊控制算法．通过对模糊变量隶属函数参数编码优化,实现了模糊控制规则的在线自调整,并通过物理实验证实了算法的可行性．     

基于模糊控制自适应遗传算法的电力系统有功优化及仿真

本文采用改进的模糊控制自适应遗传算法,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题,尽量避免陷入局部寻优。本文采用三机、十三机系统进行电力系统有功优化仿真,结果表明,改进的算法具有更好的寻优效果。     

基于轮换寻优的遗传算法在神经网络中的应用

基于最优控制中的轮换寻优思想 ,对遗传算法进行了改进。综合采用交叉编码方法和多参数级联之点映射编码方法对寻优参数进行编码 ,为了避免遗传算法中经常出现的过早收敛现象的发生 ,把近亲回避交叉策略和最优保留方法应用到遗传算法中 ,对神经网络的权值和阈值进行了分组轮换寻优 ,成功地完成了对多层前馈神经网络的训练 ,并与常规的BP算法和常规的遗传算法进行了比较。仿真结果表明 ,改进算法的效果比常规的BP算法和常规的遗传算法要好。这种寻优方法把传统的寻优方法和遗传算法结合起来 ,为全局寻优方法提出了一种途径 ,但更通用的全局寻优方法还有待进一步研究     

基于改进遗传算法的连续函数优化

为了进一步避免连续函数优化过程中的早熟收敛和搜索迟钝,在简单遗传算法基础上提出了划分寻优区间、基于排序和最佳保留的轮盘赌选择算子,可以用来提高遗传算法的运行效率和收敛速度,达到了既能够选出最好个体又能够保证种群多样性的效果;同时采用择优交叉算子和二元变异算子,这样既保证了种群的收敛性,又可在陷入局部最优时为种群引入新基因。仿真实验表明,与简单遗传算法相比,改进后的遗传算法能有效地提高遗传算法的收敛速度和避免陷入局部最优。