基于免疫遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf

1、本課題是結(jié)合黑龍江省自然科學(xué)研究基金“遺傳基因智能控制理論及應(yīng)用研究”項目完成。模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法是目前人工智能界最具發(fā)展前途的三個重要領(lǐng)域，另外，近年來逐步發(fā)展起來和受到重視的人工免疫算法也成為其中重要一員。它們在系統(tǒng)建模、模式識別、組合優(yōu)化、自適應(yīng)控制等領(lǐng)域扮演著越來越重要的角色。但各種算法本身仍存在這樣或那樣的不足，如何完善算法，使其更好的發(fā)揮潛能，具有普遍和深遠(yuǎn)的意義。其中，將智能手段之間(與其他領(lǐng)域算法)的相互融合，

2、互相取長補(bǔ)短或解決算法設(shè)計中的某些難題已成為今后努力的主要方向。 本文對模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法及人工免疫算法的基本原理、算法的構(gòu)成、特點(diǎn)等方面進(jìn)行了綜述?？偨Y(jié)了各種算法之間相互融合的方式。在此基礎(chǔ)上，著重研究了以下四種融合方式：一是將免疫算法原理、模糊邏輯融入遺傳算法，用以解決其種群多樣性迅速下降導(dǎo)致早熟收斂的問題；二是將改進(jìn)的遺傳算法融入到特定領(lǐng)域—模糊聚類中的特定算法—模糊c—均值(FCM)聚類中，改進(jìn)其對初始化敏感，

3、易陷入局部極值得的缺點(diǎn)；三是模糊邏輯與神經(jīng)網(wǎng)絡(luò)融合的產(chǎn)物—模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)辨識時，如何與改進(jìn)的遺傳算法及FCM聚類的融合，完成規(guī)則數(shù)自動確定和參數(shù)優(yōu)化的任務(wù)；四是對一種常用的基于Mamdani推理的模糊神經(jīng)網(wǎng)絡(luò)控制器與改進(jìn)的遺傳算法的融合，能同時優(yōu)化其結(jié)構(gòu)及參數(shù)，保持了隸屬函數(shù)和控制規(guī)則的整體性，有效解決了“維數(shù)災(zāi)難”問題。 此外，在每種融合方式中都作了新的分析、改進(jìn)以及仿真驗(yàn)證。第一種融合就是在對遺傳算法進(jìn)行了深入分析、

4、對相關(guān)文獻(xiàn)中類似算法存在的不足深入探討的基礎(chǔ)上完成。在第二種融合中，設(shè)計了一種新的方式—雙群體并行，算法既提高了聚類精度，又大大加快了執(zhí)行速度。在第三種融合方式中，由于加入了改進(jìn)的FCM聚類算法，使規(guī)則數(shù)能自動確定，克服了以往靠試湊法的缺點(diǎn)，簡化了設(shè)計，設(shè)計了離線訓(xùn)練和在線辨識方式克服了模糊神經(jīng)網(wǎng)絡(luò)辨識器所存在的動靜態(tài)之間的矛盾。在第四種方式中，為了達(dá)到結(jié)構(gòu)及參數(shù)同時優(yōu)化的目的，設(shè)計了新的遺傳算法編碼方法—實(shí)數(shù)及符號混合編碼以及新的交叉