資源描述:
《基于pso的模糊系統(tǒng)算法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第一章緒論1.1模糊系統(tǒng)的歷史背景和發(fā)展模糊系統(tǒng)是一種基于知識(shí)或基于規(guī)則的系統(tǒng)【¨。它的核心是由所謂的IF.THEN規(guī)則所組成的知識(shí)庫。一個(gè)模糊IF.THEN規(guī)則就是一個(gè)用連續(xù)隸屬函數(shù)對(duì)所描述的某些句子所做的IF.THEN形式的陳述。模糊系統(tǒng)利用模糊集來表示模糊概念,IF.THEN規(guī)則組成的知識(shí)庫來描述專家的知識(shí),模糊推理來模擬人腦處理模糊信息的推理方式。從輸入輸出的角度來說,模糊系統(tǒng)能夠以任意的精度逼近任意連續(xù)的非線性函數(shù)映射,是一種萬能逼近器t羽。模糊理論是由L,A.Zadeh于1965年在名為“模糊集合"的開創(chuàng)性文章中創(chuàng)
2、立的【3】。雖然在初期沒有實(shí)際應(yīng)用,但是仍然引起世界各地學(xué)者對(duì)這一領(lǐng)域的關(guān)注和研究。在20世紀(jì)60年代后期,有學(xué)者提出了模糊算法和模糊決策等許多新的模糊方法。到20世紀(jì)70年代,Zadeh開創(chuàng)了模糊集合和模糊算法的概念,模糊決策,以及發(fā)表的另一篇開創(chuàng)性文章《分析復(fù)雜系統(tǒng)和決策過程的新方法綱要》,這篇文章提出了研究模糊控制的基礎(chǔ)理論,引入了語言變量,提出了用IF.THEN規(guī)則來量化人類知識(shí)。隨著這些概念的提出,模糊理論作為一門新領(lǐng)域的前景已經(jīng)日益清晰,模糊蒸汽機(jī)控制器和模糊水泥窖控制器的產(chǎn)生表明了這一領(lǐng)域的潛力。80年代初,由于
3、日本科學(xué)家相繼開發(fā)了模糊電子水凈化工廠,模糊機(jī)器人,模糊地鐵系統(tǒng),促成了模糊理論的大規(guī)模應(yīng)用并使其產(chǎn)生了巨大的飛躍。到了20世紀(jì)90年代初,市場(chǎng)上已經(jīng)出現(xiàn)了大規(guī)模的模糊消費(fèi)產(chǎn)品。1993年IEEE創(chuàng)辦了IEEE模糊系統(tǒng)會(huì)刊,使模糊理論有了更大的發(fā)展機(jī)會(huì)和空間。目前,模糊系統(tǒng)已被廣泛的應(yīng)用于許多工業(yè)領(lǐng)域:控制和系統(tǒng)辨識(shí)、信號(hào)和圖像處理、通信、模式識(shí)別和數(shù)據(jù)挖掘14,5,6,71o模糊系統(tǒng)的核心是模糊規(guī)則的構(gòu)造,即按照一定的性能要求確定模糊系統(tǒng)的規(guī)則數(shù),隸屬函數(shù)的形狀以及個(gè)數(shù)。模糊規(guī)則主要是有兩個(gè)來源。一方面主要來源于專家的知識(shí)和
4、經(jīng)驗(yàn)。這種方法的缺點(diǎn)在于很少有專家愿意共享知識(shí),而且當(dāng)領(lǐng)域?qū)<沂褂谜Z言規(guī)則表達(dá)或描述他們的經(jīng)驗(yàn)和知識(shí)時(shí),一些有用的信息可能會(huì)丟失;對(duì)于復(fù)雜的過程系統(tǒng),相關(guān)領(lǐng)域的專家知識(shí)可能無法得到。另一方面有關(guān)專家通過數(shù)廣東工業(yè)大學(xué)碩士學(xué)位論文據(jù)歸納得到模糊系統(tǒng)建模方法【8,9'加,11]。Wang和Mendel提出了一種從樣本數(shù)據(jù)中產(chǎn)生模糊推理系統(tǒng)的方法,用于解決復(fù)雜非線性對(duì)象的建模和控制問題。但是模糊系統(tǒng)缺乏自學(xué)習(xí)和自適應(yīng)能力,要設(shè)計(jì)和實(shí)現(xiàn)模糊系統(tǒng)的自適應(yīng)控制是比較難的。神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能,具有較強(qiáng)的自學(xué)習(xí)和聯(lián)想功能,人工干
5、預(yù)少,對(duì)專家的知識(shí)利用也好。能夠通過對(duì)樣本數(shù)據(jù)的分析,進(jìn)行學(xué)習(xí)具有較強(qiáng)的學(xué)習(xí)能力。但是人工神經(jīng)網(wǎng)絡(luò)不能處理和描述模糊信息,不能較好利用已有的經(jīng)驗(yàn)知識(shí),它不具有可解釋性.而模糊系統(tǒng)是基于模糊規(guī)則庫的系統(tǒng),它表達(dá)的是模糊或者定性知識(shí),能夠清晰表達(dá)人腦知識(shí),它的推理方式類似于人的思維模式.基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)則可將兩者結(jié)合起來,既能發(fā)揮兩者的優(yōu)點(diǎn),又能彌補(bǔ)各自的不足。近年來不少學(xué)者將模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合應(yīng)用到實(shí)際中112,13】。但基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)也有固有的缺點(diǎn):它需要給定初始模糊系統(tǒng)的結(jié)構(gòu)(隸屬函數(shù)的個(gè)
6、數(shù)和規(guī)則數(shù)量),然后對(duì)相應(yīng)的結(jié)構(gòu)參數(shù)進(jìn)行調(diào)整和優(yōu)化。若結(jié)構(gòu)過于簡單則不足以反映數(shù)據(jù)的復(fù)雜特性,出現(xiàn)與系統(tǒng)參數(shù)不匹配的情況;若過于復(fù)雜,又會(huì)出現(xiàn)結(jié)構(gòu)參數(shù)冗余和過學(xué)習(xí)的問題,反而降低模糊系統(tǒng)的性能。模糊聚類是基于整個(gè)數(shù)據(jù)集內(nèi)部存在若干“分組"為出發(fā)點(diǎn)而產(chǎn)生的一種數(shù)據(jù)描述,每個(gè)子集中的點(diǎn)都具有很高的內(nèi)在相似性[14】。模糊聚類可以將輸入空間、輸出空間或是輸入/輸出空間分解成一系列的模糊區(qū)域,每個(gè)區(qū)域?qū)?yīng)一條模糊規(guī)則。因此有學(xué)者提出用模糊聚類對(duì)樣本數(shù)據(jù)進(jìn)行分類,進(jìn)而確定模糊規(guī)則的數(shù)目并產(chǎn)生一個(gè)初始的模糊規(guī)則庫,最后通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能
7、力對(duì)參數(shù)進(jìn)行調(diào)解,得到一個(gè)完善的模糊規(guī)則庫【15,16]。但是傳統(tǒng)的基于誤差平方準(zhǔn)則的模糊聚類算法對(duì)噪聲數(shù)據(jù)敏感,容易陷入局部極小值,算法對(duì)初始值有較大的依賴性。遺傳算法是借鑒生物的自然選擇和遺傳進(jìn)化機(jī)制而開發(fā)出的一種全局優(yōu)化自適應(yīng)概率搜索算法11們。它具有并行性和對(duì)全局信息的有效利用能力是遺傳算法的兩大顯著特點(diǎn)。為了彌補(bǔ)傳統(tǒng)的模糊聚類算法易陷入局部最優(yōu)和收斂慢速度的缺點(diǎn),已有學(xué)者將全局尋優(yōu)能力強(qiáng)的遺傳算法引入聚類過程中,在一定程度上彌補(bǔ)了聚類算法的缺點(diǎn),并得到了較好的聚類效果【18'l,】。雖然遺傳算法從理論上能夠搜索到全局
8、最優(yōu)解,但需要將每個(gè)模糊規(guī)則進(jìn)行編碼,面臨著粒度與搜索速度這一對(duì)矛盾120]。而粒子群算法是在1995年由美國的Kennedy和Eberhart提出的,其基本思想是受鳥群覓食行為的啟發(fā)121]。該算法是一種基于群體的具有全局尋優(yōu)能力的優(yōu)化工具,通過粒子2第一章緒論間的合作與競