基于遗传算法的模糊系统研究

If…then… If…then… If…then… ………
④模糊推理机
模糊推理机主要包括将模糊规则库中的模糊if-then 规则转换成某种映射，即将输入空间上的模糊集合映射 到输出空间的模糊集合。主要包括连接词的计算、ifthen规则的表示、直觉推理判据和一些相关的运算性质。 连接词运算主要指“ and ”, “ or”和“also”三种操作。
上述这些也就是模糊逻辑立足于解决的问题。当前 模糊逻辑已经被广泛地应用于人们的生产和生活的各个 领域，特别在工业控制和自动化领域，模糊逻辑的各种 新应用、新产品层出不穷。相对于精确逻辑，模糊逻辑 具有如下特点: (1)模糊逻辑是柔性的。对于给定的系统，很容易 处理以及直接增加新功能，而不需从头做起。 (2)模糊逻辑建立在自然语言的基础上，对数据的 精确性要求不高。 (3)模糊逻辑能充分利用专家信息。 (4)模糊逻辑易与传统的控制技术相组合。
创新点
4.提出了抽取模糊规则知识的Agent进化方法。新方 法能在模糊系统的精度和可解释性之间达到好的平衡。 5.研究了处理模糊规则间交互影响和从数据中学习 非可加集合函数的方法，提高了模糊规则的推理精度。
二、①模糊集合
对于模糊集合来说，它与经典集合的根本区别在于 一个元素可以是既属于又不属于某一模糊集合，亦此亦 彼，界限模糊。 u (x)为隶属度
（3）人的智能本身就具有精确性和模糊性两种特征。控制论创始 人维纳在指出人能超过任何最完善的机器时，明确指明其重要原因是 “人具有运用模糊概念的能力”。实际上，人运用模糊概念的时间占了 生活的大部分，对这些具有模糊概念和性质的问题采用模糊数学的方法 是无法恰当解决的。
维纳：“人具有运用模糊概念 的能力”。
and or also
连接词计算
直觉推理
输入空间 模糊集合
If-then规则
运算性质
输出空间 模糊集合
⑤模糊产生器
模糊产生器的作用是将一个确定的点映射为输入空 间的一个模糊集合，也称模糊化。
⑥模糊消除器
模糊消除器的目的是将输出空间的一个模糊集映射 为一个确定点，以达到实际应用的目的，又称解模糊化、 去模糊化、逆模糊化或清晰化。
博士研究生：白治江
主要内容
一、绪论 二、模糊逻辑与模糊系统 三、遗传算法 四、设计模糊分类器的进化方法 五、从数据中自动构建基于GA的模糊系统 六、递归增量式多目标遗传算法 七、抽取模糊规则知识的Agent进化方法 八、基于交互影响的模糊规则推理
一、绪论
实际生活中有着许多模糊的概念和逻辑方式，“给 小费”问题就是一个可以用模糊逻辑来分析的经典例子。
A
uA(x)=0.8 B
x
x
A
Y
C
A
uA(y)=0.2
Y
②语言变量
语言变量是指自然语句中的词或句，它的取值不是 通常的数，而是用模糊语言表示的模糊集合，Zadah对 语言变量定义如下: 语言变量是由一个五元组(( x,T(x), U,G,M)来表征。 其中，x是变量的名称;U是x的论域;T(x)是语言变量值的 集合;每个语言变量值是定义在论域U上的一个模糊集 合;G是语法规则，用来产生语言变量x的值的名称;M是 语义规则，用于产生模糊集合的隶属度函数。
随着社会进步和科学技术的发展，人们渐渐发现， 现有的精确理论在解决一些问题时往往会显得繁琐或者 束手无策。原因主要有以下三点:
（1）精确理论一般需要用数学微分方程来描述自然科学的某些基 本规律或系统，但在实际中有的系统所涉及的因素很多，而每个因素之 间还存在着的关系；同时，系统所处的条件也千变万化，要用微分方程 来描述这种系统，要么根本无法实现，要么需设定大量的约束条件ຫໍສະໝຸດ Baidu最 终无法求得结果。
语言变量
以水温为例
( x , T(x) , U , G , M )
T(x)：语言变量集合
T(x)={冷，适中，热，稍微热，稍微冷，很热，很冷} U：论域 G：语法规则
U=[0，100]
M：语义规则
“很，稍微”这些修饰词
③模糊规则库
模糊规则库是由若干模糊if-then规则的总和组成， 它是模糊系统的核心部分，系统其他部分的功能在于解 释和利用这些模糊规则来解决具体问题。一般模糊规则 的获得有两个途径:请教专家或采用基于测量数据的学习 方法。
模糊逻辑 神经网络
线性逻辑 微分方程
专家系统 随机选择器
L.A.Zadeh（查德）
这些正如模糊逻辑的创始人 L.A.Zadeh曾说过：“有很多可 供选择的方法来替代模糊逻辑， 但模糊逻辑往往是最快速和简单 有效的”。
凉水 模糊逻辑快速 简单有效
300 模 糊 逻 辑
温水 热水
精 确 理 论
温水
这里，“冷”“热”以及“适当”都是一些模糊概念，基于这种模糊意义上的处 理很快就可以使水达到合适的温度。但是，如果要准确测量水温以及添加的水量， 就会把简单的问题搞得非常复杂。
创新点
1.提出在对数据分布没有任何先验知识的情况下， 用进化方法直接从训练数据中建立一个紧致的模糊分类 系统。 2.研究了未知系统模糊建模的新算法。不但能构造 出用户友好的模糊建模系统，还能识别并忽略哑元输入 变量。 3.提出了一个多目标优化问题的新方法一递归增量 多目标遗传算法(RIMOGA)。相对于其它典型的多目标 遗传算法，RIMOGA在相同时间内能找到更多且质量更 好的解。
三、遗传算法（略）
四、设计模糊分类器的进化方法
模式分类是指将特征空间划分为几个区域并把对象 划入由这些区域所定义的类中。分类器设计就是要找出 从特征空间Rn到决策空间C的最优映射f。 即f： Rn →C
有许多构建分类器的方法，如统计模型，神经网络 及模糊逻辑系统。 模糊逻辑具有处理不确定性和模糊性的强大能力， 所以它已经被应用于若干复杂的分类系统中。模糊逻辑 将类别重叠的事实和软决策机制引入分类系统中，因此， 一个模式可能以不同的隶属度属于若干类别。 此外，模糊分类器由if-then模糊规则集组成，规则 集既能使我们洞察分类器的结构，又能提高系统的可解 释性。
因素 约束条件 因素 因素 微分方程 因素
过于复杂 无法实现
因素
（2）有的学科，例如语言学、心理学、文学、生物学和社会科学， 往往是采用文字方法进行定性的推理或估计。而这些学科中的大多数问 题都具有模糊性，比如，语言的“幽默”与“流畅”，心理的“正常” 与“不平衡”，文学作品的“通俗”与“严肃”等，都是模糊概念。很 明显，用传统的精确理论是无法对这些学科进行数学化和定量分析的。