Knight：一个通用知识挖掘工具

现有知识挖掘系统普遍存在通用性不好，发现方法单一的弱点。     

遗传算法与模糊逻辑的结合及展望

本文详细介绍了遗传算法（GeneticAlgorithm）与模糊逻辑（FuzzyLogic）结合的研究与应用现状。按照对模糊系统的限制递减的顺序详细介绍了遗传算法在模糊控制系统中的应用；简单介绍了较标准遗传算法性能有很大提高的模糊遗传算法应用情况。     

遗传算法在混合H_2/H_∞优化控制设计中的应用

介绍了现已成为关键智能计算之一的一种新的全局优化搜索算法—遗传算法，并探讨了在混合Ｈ２／Ｈ∞最优指标下优化控制设计中的应用。其最大特点是：本质并行、全局优化，它不要求目标函数连续和可微，比梯度法和随机搜索算法更适合于ＰＩＤ混合Ｈ２／Ｈ∞优化问题。     

采用遗传算法改善模糊直接转矩控制性能

提出了一种采用遗传算法优化模糊隶属度函数的方法，并用于模糊直接转矩控制系统的模糊隶属度函数自学习避免了隶属函数设计的盲目性。     

神经网络控制器用于永磁电机的伺服驱动

提出用一种遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＧＡ）训练的多层神经网络结构（ＮＮ），并把它用于交流直线永磁同步电动机（简称ＬＰＭＳＭ）的辩识与控制，使其运行在伺服驱动环境．ＮＮ可随时辩识被控系统的动态待性，而不需要ＬＰＭＳＭ的精确的数学模型．仿真结果令人满意     

连续消毒塔系统的自适应模糊PID控制

本文提出的自适应模糊ＰＩＤ控制器，是在传统的模糊ＰＩ控制器基础上增加了具有预测作用的模糊ＰＤ控制和性能指标监督的适应性控制，使系统的控制性能大大提高，且保持了控制器结构简单和易于实现的优点。仿真研究表明了该方法的有效性。     

理性遗传算法及其在运动规划中的应用

为提高理性遗传算法遗传信忠的完备性、算法全局收敛性以及算法的整体结构，给出了一个更一般化的理性算子和算法结构，证明了算法的全局收敛性．理论分析和在运动规划问题中的应用结果验证了理性遗传算法的有效性．     

铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程。提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化，基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化．智能集成优化控制技术具有高效性和实用性，有效地抑制了工况波动，提高了烧结矿产量和质量，取得了较好的工业控制效果．     

遗传算法求解柔性job shop 调度问题

在分析柔性job shop调度问题特点的基础上，提出一种新的求解该问题的遗传算法，即利用编码方法表示各工序的优先调度顺序及工序的加工机器，由此产生可行的调度方案，使得问题的约束条件在染色体中得以体现．所设计的遗传算子不仅能避免非法调度解的出现，保证后代的多样性，而且可使算法具有记忆功能．仿真结果证明了该算法的有效性．     

火电厂多代理控制系统

针对火电厂非线性、多变量和多控制目标的特点,设计了一个火电厂多代理控制系统(PPMACS).在PP MACS中,前馈控制代理(FFCAs)采用神经模糊系统进行决策,反馈控制代理(FBCAs)采用基于遗传算法的模糊系统进行决策.优化任务分解代理(OTDAs)通过一个优化代理和一个分解代理来进行多目标优化分解PPMACS的任务.协调代理根据运行条件协调PPMACS的各个代理.仿真结果显示了火电厂多代理控制系统能够实现火电单元机组的多目标运行和大范围负荷跟踪.神经网络、模糊逻辑和遗传算法是PPMACS中的智能代理进行决策的有效工具.