智能控制复习(已整理)

1，模糊集合正态性定义

如果模糊集合的核非空，则A 是正态的。换句话说，我们总可以找到一个点

x ∈X ,使 MA （x ）=1.

2．模糊集合补定义

模糊集合A 的补表示A （－A ，非A ）定义为)(x A μ＝1－)(x A μ 3．Kohonen 自组织网络，CMAC ，有监督学习

Kohonen 自组织网络无监督学习的神经网络，CMAC 有监督学习。 4．遗传算法的图式定理

在选择、交换、变异运算的作用下，确定位数少、定义长度短和适应度高的图式（也称组块）将按指数增长的规律，一代一代地增长。 5．感知器与BAM 网络层数

感知器是多层的网络层数，BAM 是由两层神经元网络组成

6.在选择、交换、变异的作用下，若含图式H 的染色体平均适应度高于当前种群的平均适应度，则图式H 在下一代染色体中出现的机会将变大。（对）

7.遗传算法二进制编码比十进制编码所包含的图式信息多。（对）

8.神经元有强大的数据处理能力。（对）

9.模糊控制的输出是一个模糊量。（错）

10.遗传算法的重组运算降低了处于相近区域的个体的平均适应度值。（对） 自组织网络可用来数据聚类。（对） 二

1 语言变量是多元组),,),(,(M G X x T x

1 语言变量是多元组),,),(,(M G X x T x ：其中x 是变量的名称；T （x ）是x 的术语的集合，即x 的语言值名称

的集合，每一个值定义在论域X 中；G 是产生x 值名称的句法规则；M 是与各值含义有关的语法规则。

2 P57模糊推理

B y B y then A x if A x '

'

是结果（结论）是是（规则）前提是（事实）前提 , 2 1

这里，A '接近于A ，B ’接近于B 。当A ，B ，A ’和B ’是适当论域中的模糊集合时，上述推理过程称之为近似推理或模糊推理，也称作广义的假言推理。 3 精英选择法

是把群种中最优秀的个体直接复制到下一代.可以提高优秀个体对群种控制的速度,从而改善局部搜索,但损害了全局搜索能力.

4 Hopfield 网络结构形式 离散时间形式；连续时间形式

5 神经网络特征P103

(1)非线性;(2)平行分布处理;(3)硬件实现;(4)学习和自适应性;(5)数据融洽;(6)多变量系统

6、单片机中应用模糊控制一般不进行的操作是(B) A 、标度变换 B 、模糊推理 C 、数字滤波 D 、查表

7、神经元模型中不包括（B ）

A 、加法器

B 、 除法器

C 、静态非线性函数

D 、线性动态SISO 系统 8、神经元模型中没有的部分是（A ）

A 、轴突

B 、权

C 、静态非线性函数

D 、线性动态SISO 系统 9、多点交换的描述正确的是（C ）

A 、交换点为奇数

B 、交换点为偶数

C 、减少优良组块损失

D 、交换点越多越好

三、

1、模糊集合和经典集合的区别，举一例说明模糊概念

答：经典集合具有精确的边界；而模糊集合没有精确地边界，它体现了用语言表达一种事物的灵活性很多样性。经典

集合到模糊集合是从“属于一个集合”到“不属于一个集合”的逐渐过渡。比如我们说一个人‘个儿高’或‘个儿矮’，它没有精确的界限，不能说身高米的人是‘高’，而米的人是‘矮’，‘高’与‘矮’之间的界限是模糊的、平滑的。

2、请说出模糊控制系统的模糊处理过程 答： 1）计算兼容度；

2）求激励强度； 3）求定性（演译）结果； 4）求总输出结果。

3、解释CMAC 网络的泛化及泛化对基于CMAC 网络的控制系统的的影响 答：

4、BP 网络说明其逼近非线性函数的原理

答：具有至少一个隐层的多层前馈网络，如果隐层单元足够多，那么，利用扁平激励函数和线性多项式集成函数，可

以对任意感兴趣的函数逼成到任意精度。

5、说出微种群算法和双种群算法相对于简单遗传算法的优越性

答：(速度与全局性兼顾 ）用小规模的种群进行有效的多次全局搜索，避免早熟收敛，使算法以比较快的速度收敛到

全局最优解。

双种群算法:运算量小,而且几乎不陷入局部极小点,确实做到了全局搜索和局部化的平衡.

6、说明微种群遗传算法原理

答:随机产生小群种,对它进行遗传运算并收敛之后,把最好的个体传至下一代,产生新的群种,再进行遗传算法,如此反复,直到完成总体收敛.

四、模糊集合运算

已知成年男子身高论域U={130,140,150,160,170,180,190,200,210} ={,9,8,7,6,5,4,3,2,1u u u u u u u u u }则有模糊集合

[个子高]＝

90

.180.178.066.054.042.030.020.010.0u u u u u u u u u +

+++++++和 [个子矮]＝90

.080.070.060.051.043.035.027.010.1u u u u u u u u u ++++++++ 求模糊集合[个子不高]，[个子高或个子矮]，[个子不高且个子不矮] 五、模糊集合复合计算

一个模糊系统输入输出关系由模糊关系R(X,Y)来描述，式中X={0,,,,,,,,,}，Y={0,,,,,,,,,} 这个模糊关系由模糊隐含),min(B A B A =→来实现，式中Y B X A ⊂⊂,。现在给定A 和B 如下：

7

.0/7.05.0/5.02.0/8.07

.0/15.0/6.02.0/5.0++=++=B A

输入为A ':

5.0/9.02.0/2.0+='A

如果采用max-min 复合规则，确定模糊系统输出（即B '） 六、BP 网络仿真程序分析

rands(S1,R);可得到一个S1*R 的矩阵，其元素为（－1，1）均匀分布随机数，

[w,b]=rands(S1,R)可得到一个S1*R 矩阵和S1*1列矢量b, 其元素为（－1，1）均匀分布随机数， [W1,B1]=rands(S1,R); [W2,B2]=rands(S2,S1); 得到

W1：S1×R 矩阵,输入层的权值矩阵 W2：S2×S1矩阵，输出层的权值矩阵 及两个列向量B1：S1* B2：S2*1 b1=B1*ones(1,21);

把列向量B1的每一行扩展成1×21向量，数值重复，

net=newcf(minmax(P),[5,1],{'tansig','purelin'},'traingd'); %创建两层前向回馈网络 %初始化训练次数 % sse= %初始化误差值 = ;

[net,tr]=train(net,P,T); %训练网络 Y=sim(net,P) ; %计算结果

plot(P,Y,'r-') hold

plot(P,T,'r+'); hold off

七、简单遗传算法

• 问题抽象成遗传算法问题