基于遗传算法的模糊控制在智能系统中的应用

本文针以吊车系统为例给出了一种智能模糊控制器即分段切换因子模糊控制器，并运用遗传算法进行参数调整，确保吊车系统的精度，仿真结果表明，该控制器精度高、抗干扰能力强、实时性好。     

遗传算法在抽取和过滤模糊控制规则中的应用研究

本文分析了模糊控制规则抽取中存在的困难，提出了用遗传算法（ＧＡ）解决模糊控制中模糊规则的抽取和过滤问题，给出了具体的解决方法，仿真结果表明该方法有效地解决了模糊规则的抽取和过滤问题，而且结果可以直接放入计算机内存中进行控制，该方法具有推广应用的值。     

一种改进遗传算法在智能组卷中的应用

目前,国内外许多科研单位和学校机构对智能组卷技术进行了大量的研究,其中基于遗传算法的智能组卷技术最为先进,但由于组卷问题的复杂性,仍然存在许多的不足,本文尝试从遗传算法在智能组卷中的实现上进行技术改进,以克服组卷时间长、算法收敛快等缺陷.     

改进的自适应遗传算法在智能组卷中的应用

题库系统研究中遇到的主要难题是如何保证生成的试题能最大程度地满足用户的不同需要，并具有随机性、科学性和合理性．在对试卷结构进行数学描述的基础上，提出一种改进的自适应遗传算法．     

基于改进遗传算法的智能组卷研究

组卷问题是一个多目标约束优化问题,采用集合论思想,将智能组卷的要求形式化,提出了一种基于改进遗传算法来进行智能组卷的方法.该算法针对传统智能算法组卷速度慢、成功率低的缺点,针对简单遗传算法的编码、遗传算子存在的问题进行了改进.实验结果表明,改进的算法在保证试题产生的质量前提下,提高了智能组卷的运行速度,具有较好的实用性.     

遗传算法在电液伺服系统分层模糊控制中的应用

针对模糊控制中规则数和可调参数多的问题,对遗传算法在分层模糊控制系统中的应用进行了研究,考虑遗传算法具有强大的全局搜索能力,提出了基于遗传算法的分层模糊控制的设计方案。该方案采用2个模糊控制器分层连接,即第一层采用基于遗传算法优化的模糊控制器,第二层采用典型的模糊控制器,从而大大减少了模糊规则和可调参数的个数,便于实时控制。电液伺服系统的实际仿真结果验证了该方案的有效性。     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

免疫遗传算法的改进及其在模糊控制中的应用研究

本文对免疫遗传算法加以改进后，应用于多变量模糊控制器的模糊规则提取．研究结果表明：改进后免疫遗传算法既能有效克服用遗传算法筛选模糊规则造成的早熟现象，又能充分利用现有经验，对学习过程进行适当引导，加快收敛速度．     

基于改进遗传算法的智能组卷研究

因为传统组卷方法的时间和空间开销大、成功率较低,简单遗传算法的收敛速度慢、稳定性差,所以提出了基于改进遗传算法的智能组卷方法,通过根据个体适应度值自适应地选择个体,调整交叉概率和变异概率等措施,加快了算法向最优解的逼近速度,提高了组卷的效率和成功率。论文介绍了该组卷方法的组卷策略,数学模型,各模块的详细设计。     

基于改进遗传算法智能组卷的研究

组卷问题是解决在一个多约束条件下的多目标参数优化的问题,在研究组卷数学模型的基础上,对遗传算法进行了改进,通过对染色体分段编码、确定适应度函数、分段初始化种群、交叉概率和变异概率的自适应调整及最优个体保存策略措施,实现了智能组卷。通过实验数据测试结果表明,改进遗传算法比简单遗传算法能更好地完成组卷,有更高地组卷效率,有较好地实用性。     

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程,提出了一种基于遗传算法的参数寻优算法,该算法实现不依赖于经验数据,对初始输入无严格要求。仿真实例表明,由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应功能。     

基于改进遗传算法的TS模糊模型的优化设计

提出了一种新的将隶属度函数和规则库统一编码的改进遗传算法进行TS模糊模型整体优化设计的方法。利用FCM算法和最小二乘法辨识初始的模糊模型;利用改进遗传算法整体优化模糊模型,克服了以往将模型结构和参数分开优化的缺陷。为了提高模型的解释性,提出了将基于相似性的模糊集合和模糊规则的简化方法用于对模型的约简,并利用该方法对Mackey-Glass混沌序列建模。仿真结果验证了该方法的有效性。     

模糊遗传算法在敏感词分类优化中的应用

针对以往敏感词分类优化的不足,提出一种基于模糊遗传算法的敏感词分类优化方法,该方法把模糊逻辑理论用于遗传算法,模拟生物进化过程和机制来求解实际的敏感词定性结构优化问题。研究表明,对于敏感词词性以及结构的变化有很好的分类优化效果,从而保证了整体的分类质量、快速的分类效率、鲁棒和可靠的分类性能。     

基于模糊遗传算法的移动机器人墙跟踪控制策略

针对传统模糊控制器在设计过程中存在的人为主观因素较多,隶属函数参数不变引起的控制器适应能力差等缺点,本文将遗传算法引入到移动机器人直墙跟踪的模糊控制器优化问题中,阐述了遗传算法用于离线方式寻优模糊控制器隶属函数参数的具体操作过程,如编码策略、适应度函数的确定、选择、交叉、变异等.最终经过仿真平台的验证,确定一组最优解,并在HEBUT-Ⅰ型智能移动机器人上进行试验,结果表明与传统模糊控制策略相比,该方法不但提高了响应速度,同时改善了跟踪精度.     

Various hybrid methods based on genetic algorithm with fuzzy logic controller

In this paper we propose several efficient hybrid methods based on genetic algorithms and fuzzy logic. The proposed hybridization methods combine a rough search technique, a fuzzy logic controller, and a local search technique. The rough search technique is used to initialize the population of the genetic algorithm (GA), its strategy is to make large jumps in the search space in order to avoid being trapped in local optima. The fuzzy logic controller is applied to dynamically regulate the fine-tuning structure of the genetic algorithm parameters (crossover ratio and mutation ratio). The local search technique is applied to find a better solution in the convergence region after the GA loop or within the GA loop. Five algorithms including one plain GA and four hybrid GAs along with some conventional heuristics are applied to three complex optimization problems. The results are analyzed and the best hybrid algorithm is recommended.     

基于遗传优化的模糊PID控制在智能除草中的应用研究*

针对当前智能除草控制系统的非线性、时滞性及喷施精度过低等问题,设计了一种基于超代遗传算法(HG-GA)优化的模糊PID控制方案。在该方案中,针对智能除草装置的特点,设计了对应的模糊PID控制器,并对控制器的各因子进行遗传优化,从而提高系统的控制效果,同时加快了优化速度。实验结果表明这是一种有效的控制策略,尤其是在处理非线性及外部干扰方面有更好的鲁棒性。     

基于遗传算法的智能电炒锅优化控制研究

近年来,人们对家电智能化的要求越来越高,而各种智能家电也层出不穷。但因炒制过程较为复杂,难以对其实现较为精确的智能控制。为了解决此问题,通过最基本的热传导公式推导出了电炒锅的热传导模型,通过遗传算法对模型的参数进行训练,使模型在不同的情况下均能较为准确地模拟电炒锅温度的变化情况。基于此模型,提出了电炒锅的控制方案。对电炒锅模型下一时刻的温度变化进行预测,根据需求计算出电炒锅最佳功率,使电炒锅在炒制过程中能够始终保持需要的温度,同时尽可能减少电炒锅功率的波动,从而降低电炒锅功率控制器件的损耗。通过实验验证了此控制方案在不同的烹饪阶段均能够较好地实现炒锅的智能控制,达到维持锅内温度,提高能源利用效率的目的。     

基于改进遗传算法的交叉口模糊控制研究*

为了改善城市道路交叉口交通信号控制,降低交叉口车辆延误,提出了一种基于改进遗传算法优化的模糊控制方法。在优化模糊控制器的过程中,为避免出现“早熟”现象,采用改进的自适应遗传算法,在进化过程中动态调整种群中适应度值最大个体的交叉概率和变异概率,使种群进化不会处于一种近似停滞不前的状态。为了检验该控制方法的性能,以交叉口车辆平均延误作为性能评价指标,在相同交通条件下进行了仿真实验。结果表明,相对于普通模糊控制器,经过改进遗传算法优化的模糊控制器能有效减小交叉口车辆的平均延误,提高交叉口的通行能力。     

改进的区间值模糊集交互式遗传算法

区间值模糊集的交互式遗传算法,能有效缓解用户的疲劳,同时避免用户因一时无法给出确定值而浪费掉的时间,大大加快了收敛速度。首先采用区间值模糊集的方法表示对个体进行评价的适应度值,即为区间适应度值,然后对其进行排序,按照排序结果采用交互式遗传算法进行全局搜索。整个过程符合人的思维过程,能有效搜索到用户满意的个体。将该方法应用于图像检索系统中,结果表明该方法有效地提高了检索速度,并且取得了较好的检索结果。     

改进的模糊遗传算法及在信息过滤中的应用

为了改进传统遗传算法在求解复杂问题上存在早收敛及搜索后期运行效率低等缺点,提出了一种应用于文本分类和信息过滤的模糊遗传算法.首先应用了年龄概念来控制种群规模,使得遗传操作过程更接近于自然进化过程,然后引进参数的模糊调整过程,对遗传算法的参数种群规模,交叉率及变异率3个方面进行动态调整,改进了遗传算法的搜索性能.实验结果表明,相比传统遗传算法,该模糊遗传算法在全局优化能力及收敛速度上均有显著提高.