模糊控制為解決具有不確定性（結(jié)構(gòu)不確定性、參數(shù)不確定性）、非線性以及多變量等特性的復(fù)雜難建模系統(tǒng)的控制問題提供了一種有效的控制方法。近三十年來，模糊控制取得了長足的發(fā)展，在許多領(lǐng)域得到了成功應(yīng)用。然而模糊控制器的系統(tǒng)化的設(shè)計(jì)方法和理論分析遠(yuǎn)非成熟，尤其是模糊集隸屬函數(shù)的確定和控制規(guī)則的獲取一直是困擾模糊控制系統(tǒng)設(shè)計(jì)的主要問題。本文的工作將圍繞著模糊控制器的遺傳優(yōu)化而展開。 本文第一章簡略回顧了模糊控制和遺傳算法的發(fā)展歷程，指出遺傳算法作為一種全局優(yōu)化的方法，是適合用于模糊控制器的優(yōu)化設(shè)計(jì)的。 本文第二章介紹模糊控制器、遺傳算法和模糊控制器的遺傳優(yōu)化的有關(guān)研究背景。本章發(fā)展了基于規(guī)則的模糊控制器的思想，指出基于規(guī)則的模糊控制器和傳統(tǒng)的基于領(lǐng)域的模糊控制器在結(jié)構(gòu)和對問題的表達(dá)方式上是截然不同的，基于規(guī)則的模糊控制器更適合用遺傳算法來進(jìn)行優(yōu)化。本章還介紹了模糊控制器遺傳優(yōu)化的一般流程，總結(jié)了前人在模糊控制器／模糊分類器進(jìn)化優(yōu)化方面所做的工作。 第三章提出了在控制器級和控制規(guī)則級同時(shí)進(jìn)化的觀點(diǎn)。歷史上，遺傳算法用于模糊控制器的優(yōu)化設(shè)計(jì)有兩種基本方法，即匹茲堡方法和密歇根方法，... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院計(jì)算技術(shù)研究所)北京市

【文章頁數(shù)】：141 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 模糊集與模糊邏輯控制
    1.2 進(jìn)化計(jì)算
    1.3 進(jìn)化模糊控制器
    1.4 論文組織與的主要工作
第二章 模糊控制器與遺傳算法
    2.1 基本模糊控制器
        2.1.1 結(jié)構(gòu)描述與分析
        2.1.2 基本模糊控制器設(shè)計(jì)中的問題
        2.1.3 基本模糊控制器是萬能逼近器
    2.2 基于規(guī)則的模糊控制器
    2.3 標(biāo)準(zhǔn)遺傳算法
        2.3.1 遺傳算法的歷史與現(xiàn)狀
        2.3.2 標(biāo)準(zhǔn)遺傳算法描述
        2.3.3 遺傳算法與其它搜索方法的比較
        2.3.4 模式定理
    2.4 分類器系統(tǒng)
        2.4.1 分類器系統(tǒng)簡介
        2.4.2 分類器系統(tǒng)的學(xué)習(xí)方法
    2.5 模糊控制器的遺傳優(yōu)化
    2.6 模糊控制器的匹茲堡方法優(yōu)化
        2.6.1 基于領(lǐng)域的模糊控制器的遺傳優(yōu)化
        2.6.2 基于規(guī)則的模糊控制器優(yōu)化
    2.7 模糊分類器的密歇根方法優(yōu)化
        2.7.1 優(yōu)化模糊分類器的規(guī)則
        2.7.2 同時(shí)優(yōu)化模糊分類器的隸屬函數(shù)和規(guī)則
    2.8 本章小結(jié)
第三章 模糊控制器的遺傳優(yōu)化——GoFLC系統(tǒng)
    3.1 模糊控制器CPM進(jìn)化方法
        3.1.1 規(guī)則性能評價(jià)的信息
        3.1.2 評價(jià)規(guī)則的性能
        3.1.3 規(guī)則的進(jìn)化
        3.1.4 CPM方法的流程
    3.2 模糊控制器結(jié)構(gòu)的簡化
        3.2.1 模糊控制器的編碼
        3.2.2 改變?nèi)旧w中規(guī)則的數(shù)量
        3.2.3 削減規(guī)則的隸屬函數(shù)
    3.3 模糊控制器的分段進(jìn)化
    3.4 GoFLC系統(tǒng)的特點(diǎn)
    3.5 本章小結(jié)
第四章 GoFLC系統(tǒng)進(jìn)化倒擺模糊控制器
    4.1 倒擺系統(tǒng)
    4.2 倒擺系統(tǒng)模糊控制器的編碼與適應(yīng)值函數(shù)
        4.2.1 染色體編碼
        4.2.2 染色體的適應(yīng)值函數(shù)
    4.3 規(guī)則級的進(jìn)化
        4.3.1 倒擺控制系統(tǒng)規(guī)則強(qiáng)度的定義
        4.3.2 沒有規(guī)則級的進(jìn)化
        4.3.3 有無規(guī)則級進(jìn)化的比較
        4.3.4 改進(jìn)的規(guī)則級進(jìn)化算法
        4.3.5 規(guī)則級進(jìn)化與規(guī)則數(shù)量的關(guān)系
        4.3.6 控制系統(tǒng)能量函數(shù)的選擇
        4.3.7 CPM方法的優(yōu)越性
    4.4 削減模糊控制器的規(guī)則數(shù)量
        4.4.1 有無規(guī)則削減的比較
        4.4.2 參數(shù)w_4的自適應(yīng)
    4.5 削減規(guī)則的輸入隸屬函數(shù)
        4.5.1 隸屬函數(shù)削減增益w_5不變
        4.5.2 隸屬函數(shù)削減增益w_5的自適應(yīng)
    4.6 模糊控制器的分段優(yōu)化
        4.6.1 適應(yīng)值函數(shù)不同
        4.6.2 遺傳算子不同
    4.7 交換算子
    4.8 群體大小對模糊控制器進(jìn)化的影響
    4.9 遺傳優(yōu)化的模糊控制器的魯棒性
        4.9.1 對非訓(xùn)練樣本的控制效果
        4.9.2 測試節(jié)拍長于訓(xùn)練節(jié)拍
        4.9.3 被控對象參數(shù)改變
        4.9.4 個(gè)別規(guī)則損壞
    4.10 本章小結(jié)
第五章 GoFLC系統(tǒng)進(jìn)化模糊函數(shù)逼近器
    5.1 引言
    5.2 問題描述、染色體的編碼與適應(yīng)值
    5.3 標(biāo)準(zhǔn)的匹茲堡進(jìn)化方法
    5.4 模糊函數(shù)逼近器的CPM進(jìn)化方法及其改進(jìn)
        5.4.1 定義模糊逼近器的規(guī)則的強(qiáng)度
        5.4.2 未改進(jìn)的CPM方法
        5.4.3 CPM方法的一些改進(jìn)
    5.5 一輸入函數(shù)逼近的實(shí)驗(yàn)結(jié)果
        5.5.1 標(biāo)準(zhǔn)的匹茲堡進(jìn)化方法的結(jié)果
        5.5.2 有規(guī)則級進(jìn)化的CPM方法
        5.5.3 改進(jìn)的CPM方法
        5.5.4 規(guī)則削減
        5.5.5 與前人實(shí)驗(yàn)結(jié)果的比較
    5.6 逼近非線性函數(shù)F5的實(shí)驗(yàn)結(jié)果
    5.7 Box-Jenk數(shù)據(jù)
    5.8 本章小結(jié)
第六章 總結(jié)
附錄4.1 一個(gè)優(yōu)化的25條規(guī)則的倒擺系統(tǒng)的模糊控制器
附錄5.1 函數(shù)F1的標(biāo)準(zhǔn)進(jìn)化方法所優(yōu)化的25條規(guī)則的模糊逼近器
附錄5.2 函數(shù)F1的CPM方法所優(yōu)化的25條規(guī)則的模糊逼近器
附錄5.3 函數(shù)F1有規(guī)則遷移的CPM方法優(yōu)化的25條規(guī)則的逼近器
附錄5.4 函數(shù)F1有定向進(jìn)化的CPM方法優(yōu)化的25條規(guī)則的逼近器
附錄5.5 函數(shù)F1,改進(jìn)的CPM方法所優(yōu)化的25條規(guī)則的模糊逼近器
附錄5.6 函數(shù)F1,初始規(guī)則數(shù)為30,規(guī)則削減,10條規(guī)則的逼近器
附錄5.7 函數(shù)F1,初始規(guī)則數(shù)為10,無規(guī)則削減所得的模糊逼近器
附錄5.8 函數(shù)F1,初始規(guī)則數(shù)為30,無規(guī)則削減所得的模糊逼近器
附錄5.9 函數(shù)F1,CPM~*方法所發(fā)現(xiàn)的最優(yōu)的20條規(guī)則的模糊逼近器
附錄5.10 函數(shù)F2,CPM~*方法所發(fā)現(xiàn)的最優(yōu)的5條規(guī)則的模糊逼近器
附錄5.11 函數(shù)F3,CPM~*方法所發(fā)現(xiàn)的最優(yōu)的7條規(guī)則的模糊逼近器
附錄5.12 函數(shù)F4,CPM~*方法所發(fā)現(xiàn)的最優(yōu)的15條規(guī)則的模糊逼近器
附錄5.13 box-jenk數(shù)據(jù)
參考文獻(xiàn)
作者簡歷及攻讀博士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]遺傳優(yōu)化模糊邏輯控制器[J]. 胡煒,沈理.  計(jì)算機(jī)科學(xué). 1997(06)
[2]進(jìn)化計(jì)算簡要綜述[J]. 謝金星.  控制與決策. 1997(01)
[3]遺傳算法綜述[J]. 席裕庚,柴天佑,惲為民.  控制理論與應(yīng)用. 1996(06)
[4]從模糊控制的數(shù)學(xué)本質(zhì)看模糊邏輯的成功──關(guān)于“關(guān)于模糊邏輯似是而非的爭論”的似是而非的介入[J]. 李洪興.  模糊系統(tǒng)與數(shù)學(xué). 1995(04)
[5]進(jìn)化算法研究進(jìn)展[J]. 姚新,陳國良,徐惠敏,劉勇.  計(jì)算機(jī)學(xué)報(bào). 1995(09)
[6]多變量模糊控制的現(xiàn)狀與發(fā)展（Ⅰ）──關(guān)于分層、自學(xué)習(xí)、自適應(yīng)等問題[J]. 張化光,楊英旭,柴天佑.  控制與決策. 1995(03)
[7]模糊邏輯和模糊控制[J]. 沈理.  計(jì)算機(jī)科學(xué). 1994(05)



本文編號：3171844