模糊遗传算法综述

本文介绍了遗传算法发展的一个新方面一基于模糊逻辑的模糊遗传算法，分两方面加以综述：用模糊逻辑控制遗传算法的遗传操作及参数设置的思想和方法，模糊编码及模糊交叉的策略。同时指出了各种方法的特点以及今后的研究方向。     

基于遗传算法的模糊控制器设计

将改进的遗传算法引入到模糊控制器的设计中,用以自动寻优模糊隶属函数和比例咽子。以二阶系统为例进行了计算机仿真研究结果表明这种方法是有效的。     

基于遗传算法的模糊控制器的优化设计——采用模糊数据挖掘技术

论文为模糊系统建模提出了一种新颖的方法——由输入输出数据集合设计基于遗传算法的模糊控制器,该方法采用模糊数据挖掘技术,从大量的输入输出数据集合中自动地提取模糊规则模型,确定模糊分割点及各变量的隶属度函数;并利用实数编码的遗传算法RGA对隶属度函数参数进行全面优化。最后通过实例及仿真验证了该方法的有效性。     

基于模糊逻辑的智能股票投资模型

模糊数学已经被大量地应用于工业控制,本文根据证券市场上投资者的思维过程与模糊逻辑的相似性,尝试把模糊学引入股票市场投机行为的控制,模拟股票市场上投资者的股票买卖行为,旨在探索一种基于模糊逻辑的自动股票投机和投资逻辑,可以为股票软件开发提供理论依据和逻辑模型,建立在模糊逻辑基础上的股票软件可以引导投资者避免追涨杀跌,从而有利于股市稳定而健康地发展.     

基于模糊逻辑的遗传算法研究

克服遗传算法的过早收敛问题,改进遗传算法性能,本文提出评价群体多样性的两个指标,井结合两个指标应用模糊逻辑来调节遗传算法的交叉和变异概率。一组函数优化求解的实验结果表明,本文所提结合模糊逻辑的遗传算法。收敛速度快,不易陷入局部最优解。     

基于改进的遗传算法和模糊逻辑控制的移动机器人导航

本文给出了一种用遗传算法学习模糊规则以完成移动机器人导航的方法.采用了变长度编码 方法和竞争型小生境遗传算法，减少了染色体的尺寸和复杂度，同时提高了学习速度．本文 考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则的输出． 整个学习过程在仿真环境下完成后，在仿真和自行开发的全局视觉平台上对学到的规则进行 了验证，实验结果证明了方法的正确性．     

基于进化策略的模糊控制系统优化设计方法

提出了一种改进的基于进化策略的算法,研究了模糊相似度、规则一致度的概念,将其量化从而影响模糊系统的进化过程,以根据样本数据设计出具有完备性、一致性和紧凑性的模糊系统。仿真结果表明,即使在学习样本较少的情况下,应用本文提出的方法,依然可以设计出具有完备性、一致性和紧凑性的模糊系统,而义该系统对初值不敏感,具备泛化能力。     

遗传算法与模糊逻辑的结合及展望

本文详细介绍了遗传算法（GeneticAlgorithm）与模糊逻辑（FuzzyLogic）结合的研究与应用现状。按照对模糊系统的限制递减的顺序详细介绍了遗传算法在模糊控制系统中的应用；简单介绍了较标准遗传算法性能有很大提高的模糊遗传算法应用情况。     

基于遗传算法和语言算子的模糊控制器优化研究

用单片机实现模糊控制策略是一种常用的重要的方法,它是根据误差和误差的变化率隶属度函数表,离线计算得到一张模糊控制查询表,用单片机实现查询功能。该方法应用十分广泛,因此优化离散形式的隶属度函数表具有重要的意义。该文提出了一种优化离散形式的隶属度函数表的新方法:即用遗传算法优化模糊集合中的语气算子H,从而优化离散形式隶属函数表。经优化后的隶属函数更能客观地反映控制对象真实特性,从而达到了优化模糊控制器的目的。文章用一个具体的实例以仿真的形式验证了该方法是正确的、有效的。     

模糊逻辑遗传算法的新方法

模糊逻辑是近年来提出的一种自适应调整策略,可以用来动态调整遗传算法的参数,以提高其性能.在此提出一种模糊逻辑遗传算法(FGA)的新模糊控制系统,它根据种群的进化速度和多样性的反馈信息,通过模糊逻辑控制器来对交叉率Pc和变异率Pm进行动态的自适应控制.实验结果表明,提出的FGA相对于简单遗传算法(SGA),不仅在与实际最优值差值上获得高1～3个数量级的精度,而且还提高了收敛的速度,较好地解决了SGA容易陷入早熟状态、某些函数进化速度慢等问题.     

基于遗传算法的自学习模糊逻辑系统

利用遗传算法实现模糊逻辑系统的自学习,提出了遗传算法和模糊逻辑系统的结合方式,并针对模糊逻辑系统的特点,提出了初始种群的生成方法,较大地提高了遗传模糊逻辑系统的自学习性能。仿真结果表明,该系统对复杂的非线性系统具有较好的学习效果。     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

基于遗传算法优化的舵机伺服系统模糊控制

针对舵机伺服系统中存在的非线性因素和工作环境的未知干扰,提出将基于遗传算法优化的模糊控制算法应用到液压舵机伺服控制系统中;该方法利用遗传算法对采用串联二进制编码的隶属函数参数进行联合优化,并将优化过的控制规则用于设计模糊控制器;运用Simulink对系统模型进行仿真;仿真结果表明:基于遗传算法优化的模糊控制器,在液压舵机伺服系统中,具有良好的控制效果和较强的鲁棒性,为舵机伺服系统的控制提供了一条新的思路。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

采用DNA 遗传算法优化设计的TS模糊控制系统

基于生物 DNA的结构和遗传机理 ,提出一种新颖的基于 DNA编码方法的遗传算法。给出了DNA遗传算法的结构 ,讨论了遗传操作算子。为验证 DNA遗传算法的有效性 ,将其应用于 TS模糊控制系统的优化设计 ,仿真结果表明该算法具有较好的自学习能力。     

基于遗传算法的模糊支持向量网络控制

将模糊控制与支持向量网络相结合，设计了一种模糊支持向量网络控制器．该控制器融合了模糊控制与支持向量网络的优点，具有不依赖被控对象模型、泛化能力强等特点．利用遗传算法来优化支持向量机参数和控制器比例因子参数，以期实现最优的控制性能. 仿真结果表明了控制系统具有优良的控制性能．     

基于能量状态法的飞机节油轨迹优化及其遗传算法实现

研究了高高空长航时飞机基于能量状态法的节油轨迹优化方法及其遗传算法寻优实现.用能量状态概念简化飞机运动模型,应用最优控制理论进行飞机飞行性能的优化,使用遗传算法进行全局寻优,继而生成最优节油飞行轨迹,并通过Matlab程序进行仿真.仿真结果表明用遗传算法进行全局寻优,程序的寻优效率较高,仿真时间较短,得到的结果也更趋合理,节省了飞机的燃油量,缩短了爬升时间.     

基于模糊推理的空调智能控制

随着人们生活水平的提高,空调成为家居工作必不可少的一部分.传统空调PID控制技术仍被广泛应用,但其存在参数控制不精确、突变性、滞后性等问题,如何精确地控制空调参数,提高空调控制系统的性能成为空调控制领域研究的热点.针对这些问题,本文基于模糊推理提出了一种空调智能控制机制,通过对参数模糊化、规则库构建、模糊推理等步骤实现空调的模糊控制.实验证明了本方法的可行性,并进一步验证了在处理非精确问题方面与PID相比具有较大优势.系统实现部分给出了空调智能控制的具体交互过程.     

基于多种群遗传算法的电动变桨系统的变论域模糊控制

针对电动变桨系统的时变性、非线性、大惯性及风速不确定性等特点,提出一种基于多种群遗传优化算法的电动变桨系统的变论域模糊控制方法。在该方法中,通过分析确定变论域伸缩因子的结构,利用多种群遗传算法优化其参数,实现伸缩因子参数的智能寻优,有效解决了模糊控制器精度不高、模糊控制中规则数量与控制精度之间的矛盾。在遗传算法迭代中,染色体采用实数编码、多种群、多目标并行搜索,利用最优个体最少保持代数作为算法终止判断。将设计的优化变论域模糊控制器应用于电动变桨系统的速度控制中,根据速度环的性能指标建立合适的目标函数,通过对基本论域自适应调整,实现了速度环的自适应控制。仿真结果表明,基于多种群遗传优化算法的变论域模糊控制在动态性能和稳态性能上优于变论域模糊控制。     

基于自适应模糊控制的智能车控制系统研究

在基于CMOS传感器的自主循迹智能车的基础上,设计实现了一种自适应模糊控制器;该控制器与传统的模糊控制器相比,在结构上有了很大的改进;该控制器采用了前后两级的复合结构,在增加少量运算量的情况下,达到四输入两输出的能力,同时加入了自适应算法,通过对路况信息的判断来调整模糊控制器的参数,在不损失智能车系统稳定性的情况下提高了系统的动态性能,使智能车适应于各种复杂的路况.