基于协同进化算法的高维模糊分类系统的设计

基于协同进化算法,提出一种高维模糊分类系统的设计方法．首先定义系统的精确性指标,给出解释性的必要条件,利用聚类算法辨识初始模型．相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数,适应度函数采用3类种群合作计算的策略,在算法运行中利用基于相似性的模型简化技术约简模糊系统,最后利用该方法对Wine问题进行研究．仿真结果表明该方法能够对高维分类问题的特征变量进行选择,同时利用较少规则和模糊集合数达到较高的识别率．     

复杂模糊分类系统的协同进化设计方法

提出一种基于协同进化算法的复杂模糊分类系统的设计方法．该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略．利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性．     

基于协同进化遗传算法的自动谈判

提出了基于协同进化遗传算法的自动谈判算法,模拟了有限期轮流出价谈判协议中的策略学习机制。实验结果表明,基于协同进化的自动谈判能够生成近似于子博弈完美均衡的策略组合,具有良好的应用前景。 自动谈判;协同进化;遗传算法;轮流出价     

TSK 模糊模型的协同进化学习方法

针对TSK模糊模型的学习是多约束和多目标优化问题,提出TSK模糊模型分解为两类不同的种群,协作共同进化的模型学习方法．论述了所涉及的相关问题,包括各种群的编码及其不同的进化计算,各种群个体的合作及其适应值评估策略,模型的后件参数估计方法．该方法要求先验知识少,收敛速度快,能形成简洁的模糊模型,最后以函数近似为例说明了该方法的有效性．     

基于协同进化算法的TS模糊模型设计

提出一种基于协同进化算法的TS模糊模型设计方法．该方法由以下两步组成：（1）采用模糊聚类算法辨识初始的模糊模型;（2）利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由两类种群组成：规则前件种群和隶属函数参数种群;其适应度函数同时考虑模型的精确性和解释性,采用两种群合作计算的策略;为提高模型的解释性,在协同进化算法中利用基于相似性的模型简化方法对模型进行约简．最后,利用该方法对Mackey-Glass系统进行辨识,仿真结果验证了方法的有效性．     

一种基于椭圆区域的进化式模糊分类系统

介绍了一种进化式模糊分类系统.首先,介绍系统的基本特征及结构框架.然后,介绍了一种动态聚类算法,并运用动态聚类算法对输入的训练模式进行动态聚类,每一簇创建一条模糊规则.规则所对应的区域为类椭圆形区域.规则调整的策略是连续改变模糊分类规则的一个参数,使得分类系统对训练模式识别率不能再提高,对不能达到要求的调整,采用遗传算法进行调整.分析了规则调整的方法,给出了调整算法,也介绍了规则的插入和聚合策略.用两个典型的数据集来评测研究的系统,研究的分类系统在识别率与多层神经网络分类器相当,但训练时间远少于多层神经网络分类器的训练时间.     

可进化的入侵检测系统的模糊分类器研究

由于计算机网络中的正常行为和异常行为难以很好界定,所以许多入侵检测系统经常产生误报警。使用模糊逻辑推理方法,入侵检测系统的误报率则会明显降低,可以在入侵检测系统中,使用一套模糊规则和作用在该集合上的模糊推理算法,来判断是否发生了入侵事件。这种方法面临的主要问题是要有一个针对入侵检测的好的模糊算法。该文提出了一种使用遗传算法产生模糊分类器,以检测误用和入侵事件。主要思想是生成两个进化规则子集合,一个用于描述正常行为,一个用于描述异常行为。其中,正常行为规则进化信息来自正常使用时的操作行为,异常行为规则进化信息来自计算机网络受到入侵时的操作行为。     

广义模糊模型的协同进化方法研究

在系统分析不同类型模糊模型的统一性描述及其待学习参数的特征分类基础上,提出了基于协作共同进化的广义模糊模型（COOPCE—GFM）,论述了所涉及的相关问题,包括种群的编码及其不同的进化计算、各种群个体的合作及其适应值评估策略、模型的后件参数估计方法．COOPCE-GFM采用的两种群兆同进化以及灵活的二维和分层树状结构编码方式决定了其可学习各类模糊模型．该方法的另一个特点是对对象的先验知识要求少,文中分别用函数近似和分类问题为例说明其有效性．     

多Agent系统中的协同进化研究

协同进化作为多Agent系统研究的一个重要手段,近几年得到了广泛的关注和快速发展,渐渐成为进化研究的一个主流方向。该文系统介绍了协同进化的研究现状,分析总结了协同进化的基本特点,并指出了协同进化可能的发展方向。     

支持进化的协同设计系统研究及实现

提出了一个支持进化的协同设计框架系统clientAgentDcsign1.0,将进化技术和协同技术结合到一起用于新产品的开发。系统利用改进后的遗传算法实现进化设计,多Agcnt则为协同环境提供框架支持。以此系统为基础,以Vc 6．0及实体造型引擎ACIS为工具开发了一个用于建筑设计的协同创新平台HouseDev。     

一个基于模糊神经网络的数据逼近和泛化建模方法

本文介绍一个基于模糊神经网络的数据逼近和泛化建模方法,定义了一种模糊系统动态调节神经网络的学习率,给出了用迭代自组织数据分析算法确定神经网络结构、初始化神经网络参数的方法.在雷达天线罩视线误差建模中的应用表明,这种方法加快了网络的收敛速度,避免了局部极值,具有较高的数据逼近和泛化能力.     

新的模糊度量与模糊似然函数

本文分析了Kosko等人提出的关于模糊子集的度量方法,提出其局限性,从而给出了一种新的模糊子集度量方法与模糊似然函数.由于这种方法能够更好地刻划模糊集合间的子集度与似然性,从而在模式识别、聚类分析、图像及信息处理中有着重要实际应用意义.同时文章也给出了两种新的模糊熵表示方法.     

智能系统中获取模糊规则的神经网络方法

智能系统中一类重要的定性知识要用模糊集理论中的模糊语言进行描述。本文在研究模糊定性知识形式描述和自组织竞争神经网络特性的基础上，提出了一种从一组具有数值特性的训练样本集中获取隶属函数和模糊规则的神经网络模型和方法。通过对Ｉｒｉｓ数据集的应用实验表明了该方法能对这一类数据进行有效的描述。     

A NEW DESIGN APPROACH FOR FUZZY‐LEARNING FUZZY CONTROLLERS

In this paper, a new approach to designing fuzzy‐learning fuzzy controllers for a system plant without an exact mathematical model is presented. The cost function is defined as the square of the sliding function to alleviate the difficulty of overshoot when on‐line learning is conducted. The learning mechanism of a fuzzy controller is constructed so as to minimize the cost function with a set of linguistic rules. Moreover, to reduce the complexity of the fuzzy‐learning fuzzy controller, the fuzzy mechanism used for learning and the fuzzy mechanism contained in the fuzzy controller are designed so as to have the identical structures. Finally, simulations are included to show the effectiveness of the fuzzy‐learning fuzzy controllers.     

一种基于支持向量机的模糊施肥预测方法研究

提出了一种利用支持向量机(SVM)学习算法提取模糊规则进而实现施肥预测的方法.对于农业施肥中常用的正交实验法,由于其数据均衡分散使得曲线拟合的回归预测方法效果不佳.提出了一种利用SVM学习样本数据,再利用隶属度来提取模糊规则,通过阈值和可信度来控制规则的激活和准确性的预测方法,这一方法不仅避免了回归预测所产生的误差,并且模糊规则更具有实际意义,从而大大提高了知识获取的能力.     

模糊控制推理ASIC

模糊逻辑控制（ＦＬＣ）对于复杂的难定义的控制过程，具有简单而有效等许多优越性。近年来已越来越多也得到工业界的重视。本文提出一种模糊控制推理的ＡＳＩＣ方法，具有简单，灵活性和可扩充性特点，然后介绍一个基于ＦＰＧＡ的实验系统ＦＣＩＳ原型。     

基于动态分区方法的多机器人协作地图构建

本文针对多机器人对复杂的未知环境的地图构建问题,提出了一种通过动态分区实现多机器人协作地图构建的方法．在本文中,采用基于栅格的地图表示法,利用多个距离传感器收集信息,应用Dempster Shafer证据推理法对信息进行了融合．通过仿真试验,验证了该方法的可行性．     

A CYBERNETIC APPROACH TO POPULATION DYNAMICS MODELING

Abstract

Some problems arising when modeling population dynamics by means of stochastic difference and differential equations are discussed. For a particular parametrization of logistic growth equations limit diffusion processes are constructed and interpreted in the light of the Ito-Stratonovich controversy. An indirect confirmation of the validity of May's conjecture on the persistence of a population in a randomly varying environment is also obtained. An extension of these results to a wider class of growth equations is finally provided.     

侦破神经网络训练中矛盾样本的模糊数学方法

基于模糊数学率，提出了一个从神经网络训练样本中侦破矛盾样本的方法，建立了其数学模型，并用此方法对从工厂取得的测量数据样本进行了检查，找到了对训练及检验结果影响很大的矛盾样本，并对剔除矛盾样本前后建立的模型进行了对比分析，结果表明用此方法侦破出矛盾样本并加以剔除后以大大改善训练及检验的结果，由此建立的模型更为准确。