智能算法在沒有集中控制并不提供全局模型的前提下,為尋找復(fù)雜問題的解決方案提供了新的思路。其中,主要是通過模擬社會(huì)性生物群體的群體行為,對(duì)給定目標(biāo)進(jìn)行尋優(yōu)的啟發(fā)式搜索算法,其尋優(yōu)過程體現(xiàn)了隨機(jī)、并行和分布式的特點(diǎn)。由于其計(jì)算簡(jiǎn)單、易于實(shí)現(xiàn)、控制參數(shù)少等特點(diǎn),廣泛地應(yīng)用于實(shí)際生產(chǎn)的各個(gè)方面。 近年來,模糊系統(tǒng)和模糊邏輯領(lǐng)域取得了迅速的進(jìn)展。模糊系統(tǒng)和模糊邏輯在實(shí)際生產(chǎn)生活和工業(yè)過程控制中的成功實(shí)踐促使越來越多的學(xué)者對(duì)模糊系統(tǒng)和模糊邏輯理論進(jìn)行嚴(yán)密的研究。將智能算法與模糊邏輯和模糊系統(tǒng)相結(jié)合,一方面利用智能算法對(duì)模糊邏輯和系統(tǒng)進(jìn)行優(yōu)化提高了模型的效率和效益,另一方面,模糊邏輯和模糊系統(tǒng)能夠充分發(fā)揮模糊理論的優(yōu)勢(shì),更加有利于生產(chǎn)實(shí)踐的應(yīng)用。 本文介紹了智能算法的理論分析與改進(jìn)方法,系統(tǒng)地研究了智能算法在模糊邏輯和模糊系統(tǒng)中的應(yīng)用方法,具體內(nèi)容如下: （1）闡述了智能優(yōu)化算法及模糊邏輯和模糊系統(tǒng)的研究背景;介紹了智能優(yōu)化算法的研究現(xiàn)狀;對(duì)于模糊邏輯和模糊系統(tǒng)中的設(shè)計(jì)方法做了詳細(xì)的介紹;提出了本課題的研究思路和方法。 （2）系統(tǒng)地介紹了智能算法的設(shè)計(jì)思路和方法,并且... 

【文章頁數(shù)】：93 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及意義
    1.2 智能優(yōu)化算法的研究概況
    1.3 相關(guān)模糊理論的研究概況
    1.4 論文的主要工作
第二章 智能算法介紹及其改進(jìn)
    2.1 引言
    2.2 智能算法及其改進(jìn)算法
    2.3 本章小結(jié)
第三章 含維向量變異的量子粒子群算法和基于混沌小生境技術(shù)的量子粒子群算法
    3.1 引言
    3.2 量子粒子群優(yōu)化算法(QPSO)
        3.2.1 基于Delta 勢(shì)阱模型的量子行為粒子群算法（QDPSO）
        3.2.2 量子行為的粒子群算法
    3.3 含維向量變異的量子粒子群算法
        3.3.1 算法描述
        3.3.2 實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)論和對(duì)實(shí)驗(yàn)結(jié)果的討論
    3.4 基于混沌變異小生境技術(shù)的量子粒子群算法（NCQPSO）
        3.4.1 RCS 小生境進(jìn)化策略
        3.4.2 變尺度混沌變異
        3.4.3 基于混沌變異算子的小生境量子粒子群算法
        3.4.4 實(shí)驗(yàn)分析和實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第四章 模糊認(rèn)知圖中智能算法的研究與應(yīng)用
    4.1 引言
    4.2 模糊認(rèn)知圖
        4.2.1 模糊認(rèn)知圖介紹
        4.2.2 模糊認(rèn)知圖對(duì)問題的表示及推理
        4.2.3 模糊認(rèn)知圖的建模機(jī)制和框架
    4.3 一種新穎的模糊認(rèn)知圖學(xué)習(xí)方法解決工業(yè)控制問題
        4.3.1 新的模糊認(rèn)知圖學(xué)習(xí)方法
        4.3.2 基于量子粒子群算法建模
        4.3.3 工業(yè)控制模型
        4.3.4 仿真結(jié)果
        4.3.5 實(shí)驗(yàn)總結(jié)
    4.4 模糊認(rèn)知圖在醫(yī)療診斷系統(tǒng)中的應(yīng)用
        4.4.1 醫(yī)療系統(tǒng)背景介紹
        4.4.2 醫(yī)療系統(tǒng)的模糊認(rèn)知圖模型
        4.4.3 利用模型對(duì)兩個(gè)實(shí)例病癥的診斷
        4.4.4 實(shí)驗(yàn)總結(jié)
    4.5 本章小結(jié)
第五章 智能算法和模糊邏輯在圖像處理方面的研究與應(yīng)用
    5.1 引言
    5.2 基于量子粒子群算法和模糊熵的 Ostu 圖像分割
        5.2.1 簡(jiǎn)介
        5.2.2 二維直方圖
        5.2.3 二維ostu 圖像分割
        5.2.4 基于量子粒子群算法的Ostu 圖像分割
        5.2.5 實(shí)驗(yàn)結(jié)果和實(shí)驗(yàn)分析
        5.2.6 應(yīng)用模糊熵作后處理
        5.2.7 實(shí)驗(yàn)結(jié)果和實(shí)驗(yàn)分析
        5.2.8 實(shí)驗(yàn)小結(jié)
    5.3 基于量子粒子群算法的模糊濾波方法
        5.3.1 簡(jiǎn)介
        5.3.2 基于量子粒子群算法確定隸屬函數(shù)參數(shù)
        5.3.3 基于模糊推理的中值濾波
        5.3.4 實(shí)驗(yàn)結(jié)果和實(shí)驗(yàn)分析
        5.3.5 實(shí)驗(yàn)小結(jié)
    5.4 本章小結(jié)
第六章 智能算法在模糊系統(tǒng)中的研究與應(yīng)用
    6.1 引言
    6.2 采用量子粒子群算法的非線性系統(tǒng)T-S 模型識(shí)別
        6.2.1 簡(jiǎn)介
        6.2.2 T-S 模型描述
        6.2.3 基于QPSO 優(yōu)化TSK 模糊邏輯系統(tǒng)構(gòu)造
        6.2.4 仿真結(jié)果和實(shí)驗(yàn)分析
    6.3 智能預(yù)估模型在谷氨酸發(fā)酵過程中的應(yīng)用
        6.3.1 簡(jiǎn)介
        6.3.2 模糊推理系統(tǒng)概述
        6.3.3 谷氨酸工藝過程概述
        6.3.4 基于 PSO 和 QPSO 優(yōu)化的非線性 T-S 模糊系統(tǒng)的預(yù)估模型
        6.3.5 系統(tǒng)仿真結(jié)果和實(shí)驗(yàn)分析
        6.3.6 實(shí)驗(yàn)小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
致謝
參考文獻(xiàn)
附錄：攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群算法的量子諧振子模型[J]. 馮斌,須文波.  計(jì)算機(jī)工程. 2006(20)
[2]廣義粒子群優(yōu)化模型[J]. 高海兵,周馳,高亮.  計(jì)算機(jī)學(xué)報(bào). 2005(12)
[3]實(shí)數(shù)編碼混沌量子遺傳算法[J]. 陳輝,張家樹,張超.  控制與決策. 2005(11)
[4]群體智能研究綜述[J]. 王玫,朱云龍,何小賢.  計(jì)算機(jī)工程. 2005(22)
[5]含維變異算子的粒子群算法[J]. 付國江,王少梅,劉舒燕,李寧.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2005(04)
[6]基于混沌遺傳算法的基元提取[J]. 賈東立,張家樹,張超.  西南交通大學(xué)學(xué)報(bào). 2005(04)
[7]求解車輛路徑問題的改進(jìn)微粒群優(yōu)化算法[J]. 肖健梅,李軍軍,王錫淮.  計(jì)算機(jī)集成制造系統(tǒng). 2005(04)
[8]基于自適應(yīng)模糊聚類的神經(jīng)網(wǎng)絡(luò)軟測(cè)量建模方法[J]. 王錫淮,李少遠(yuǎn),席裕庚.  控制與決策. 2004(08)
[9]基于T-S模型的自組織模糊辨識(shí)算法研究[J]. 張建華,張蔭芬,侯國蓮,史運(yùn)濤.  現(xiàn)代電力. 2002(05)
[10]模糊模型辨識(shí)中模糊聚類方法應(yīng)用分析[J]. 劉福才,樸春俊,裴潤.  系統(tǒng)工程與電子技術(shù). 2002(05)

博士論文
[1]粒子群優(yōu)化算法的理論及實(shí)踐[D]. 張麗平.浙江大學(xué) 2005



本文編號(hào)：3681355