广义模糊模型的协同进化方法研究
刘建成 蒋新华 吴今培
计算机学报 2006
**摘要**:
在系统分析不同类型模糊模型的统一性描述及其待学习参数的特征分类基础上,提出了基于协作共同进化的广义模糊模型(COOPCE-GFM)论述了所涉及的相关问题,包括种群的编码及其不同的进化计算,各种群个体的合作及其适应值评估策略,模型的后件参数估计方法. COOPCE-GFM 采用的两种群共同进化以及灵活的二维和分层树状结构编码方式决定了其可学习各类模糊模型,该方法的另一个特点是对对象的先验知识要求少,文中分别用函数近似和分类问题为例说明其有效性.
关键词: 广义模糊模型,协同进化,进化计算,种群编码
1 引言
- 三类基于规则的模糊模型系统: Mamdani模糊模型,TSK模糊模型,单值模糊模型
模糊模型学习: 多约束和多目标优化的问题
- 进化算法 + 模糊模型学习中:
- Michigan方式
- Pittsburge方式
- IRL方式: 规则迭代学习
Fuzzy CoCo algorithm
author's idea: COOPCE-GFM
##2 协同进化框架
共同进化两种方式:
-- 竞争共同进化
-- 协作共同进化
3 模糊模型及其学习问题的描述
3.1 模糊模型的一般性描述
3.2 模糊模型学习问题
4 广义模糊模型的协同进化
4.1 广义模糊模型的种群分解与编码原则
4.2 种群个体的适应值评估策略
4.3 种群的遗传操作
4.5 COOPCE-GFM算法框架
5 算例分析
I comment:
fuzzy control and
https://blog.sciencenet.cn/blog-468147-548452.html
上一篇:
review: 多聚合过程神经元网络及其学习算法研究下一篇:
Open source hardware vs Open source software