×

一种用于TSK型模糊模型设计的混合进化学习算法。 (英语) Zbl 1145.93371号

摘要:本文提出了一种带有混合进化学习算法(HELA)的TSK型模糊模型(TFM)。所提出的HELA方法结合了紧凑遗传算法(CGA)和改进的可变长度遗传算法。TFM中的模糊规则数和可调参数是用HELA方法同时设计的。在所提出的HELA方法中,相同长度的个体构成相同的群体,并且在一个群体中存在多个群体。此外,所提出的HELA采用CGA来执行基于精英的复制策略。CGA将种群表示为解集上的概率分布,在操作上等价于简单GA的有序行为。种群的进化过程包括三个主要操作:使用紧凑遗传算法的群体繁殖、可变两部分个体交叉、,以及可变的两部分突变。计算机仿真表明,所提出的HELA方法比现有的一些方法具有更好的性能。

MSC公司:

93立方厘米 模糊控制/观测系统
90 C59 数学规划中的近似方法和启发式
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Lin,C.T。;Lee,C.S.G.,《神经模糊系统:智能系统的神经模糊协同作用》(1996年),普伦蒂斯·霍尔出版社:新泽西州普伦蒂斯霍尔出版社
[2] 毛巾,G.G。;Shavlik,J.W.,《从基于知识的神经网络中提取精炼规则》,马赫。学习。,13, 71-101 (1993)
[3] 林,C.J。;Lin,C.T.,基于ART的模糊自适应学习控制网络,IEEE Trans。模糊系统。,5, 4, 477-496 (1997)
[4] 王立新。;Mendel,J.M.,通过示例学习生成模糊规则,IEEE Trans。系统。人类网络。,22, 6, 1414-1427 (1992)
[5] Takagi,T。;Sugeno,M.,系统的模糊识别及其在建模和控制中的应用,IEEE Trans。系统。人类网络。,SMC-151116-132(1985)·Zbl 0576.93021号
[6] Jang,J.-S.R.,ANFIS:基于自适应网络的模糊推理系统,IEEE Trans。系统。人类网络。,23, 665-685 (1993)
[7] Juang,C.F。;Lin,C.T.,一种自建神经模糊推理网络及其应用,IEEE Trans。模糊系统。,6, 1, 12-31 (1998)
[8] Lin,F.J。;Lin,C.H。;Shen,P.H.,用于永磁同步电机驱动的自建模糊神经网络速度控制器,IEEE Trans。模糊系统。,9, 5, 751-759 (2001)
[9] 高木,H。;铃木,N。;科达,T。;Kojima,Y.,基于近似推理结构设计的神经网络及其应用,IEEE Trans。神经网络。,3, 5, 752-759 (1992)
[10] Bäck,T。;Schwefel,H.P.,参数优化进化算法概述,Evol。计算。,1, 1, 1-23 (1993)
[11] Fogel,D.B.,《进化计算:走向机器智能的新哲学》(1995),IEEE出版社:新泽西州皮斯卡塔韦IEEE出版社
[12] (姚,X.,《进化计算:理论与应用》(1999),《世界科学:世界科学新加坡》)
[13] Goldberg,D.E.,搜索优化和机器学习中的遗传算法(1989),Addison-Wesley:Addison-Whesley Reading,MA·Zbl 0721.68056号
[14] Koza,J.K.,《遗传编程:通过自然选择实现计算机编程》(1992年),麻省理工学院出版社:麻省理学院出版社,马萨诸塞州剑桥·Zbl 0850.68161号
[15] Fogel,L.J.,《透视进化编程:自上而下的观点》,(Zurada,J.M.;Marks II,R.J.;Goldberg,C.,《计算智能:模仿生命》(1994),IEEE出版社:IEEE出版社,新泽西州皮斯卡塔韦)
[16] Rechenberg,I.,《进化战略》(Zurada,J.M.;Marks II,R.J.;Goldberg,C.,《计算智能:模拟生命》(1994),IEEE出版社:新泽西州皮斯卡塔韦IEEE出版社)·Zbl 0537.92015号
[17] C.L.Karr,使用遗传算法设计自适应模糊逻辑控制器,收录于:Proc。第四国际会议遗传算法,1991年,第450-457页;C.L.Karr,使用遗传算法设计自适应模糊逻辑控制器,收录于:Proc。第四届国际会议遗传算法,1991年,第450-457页
[18] Homaifar,A。;McCormick,E.,使用遗传算法同时设计模糊控制器的隶属函数和规则集,IEEE Trans。模糊系统。,3, 2, 129-139 (1995)
[19] M.Lee,H.Takagi,使用遗传算法整合模糊系统的设计阶段,见:Proc。第二届IEEE国际模糊系统会议,加利福尼亚州旧金山,1993年,第612-617页;M.Lee,H.Takagi,使用遗传算法整合模糊系统的设计阶段,见:Proc。第二届IEEE国际模糊系统会议,加利福尼亚州旧金山,1993年,第612-617页
[20] Belarbi,K。;Titel,F.,一类模糊控制器设计的遗传算法:一种替代方法,IEEE Trans。模糊系统。,8, 4, 398-405 (2000)
[21] Juang,C.F.,用于递归网络设计的遗传算法和粒子群优化的混合,IEEE Trans。系统。人类网络。B、 34,2997-1006(2004)
[22] R.Eberchart,J.Kennedy,一种使用粒子群理论的新优化器,载于:Proc。第六国际公司。《微型机器与人类科学》,日本名古屋,1995年,第39-43页;R.Eberchart,J.Kennedy,使用粒子群理论的新优化器,摘自:Proc。第六国际公司。《微型机器与人类科学》,日本名古屋,1995年,第39-43页
[23] 肯尼迪,J。;Eberhart,R.,《粒子群优化》(IEEE神经网络国际会议(1995),珀斯:澳大利亚珀斯),1942-1948年
[24] Bandyopadhyay,S。;Murthy,C.A。;Pal,S.K.,VGA分类:设计和应用,IEEE Trans。系统。人类网络。B、 30890-895(2000)
[25] Michalewicz,Z.,《遗传算法+数据结构=进化程序》(1999),Springer-Verlag:Springer-Verlag纽约
[26] J.Arabas,Z.Michalewicz,J.Mulawka,GAVaPS-A具有不同种群规模的遗传算法,in:Proc。IEEE演化计算国际会议,奥兰多,1994年,第73-78页;J.Arabas,Z.Michalewicz,J.Mulawka,GAVaPS-A具有不同种群规模的遗传算法,in:Proc。IEEE国际进化计算会议,奥兰多,1994年,第73-78页
[27] R.Tanese,分布式遗传算法,收录于:Proc。Int.Conf.遗传算法,1989年,第434-439页;R.Tanese,分布式遗传算法,收录于:Proc。Int.Conf.遗传算法,1989年,第434-439页
[28] R.J.Collins,D.R.Jefferson,大规模并行遗传算法中的选择,摘自:Proc。Int.Conf.遗传算法,1991年,第249-256页;R.J.Collins,D.R.Jefferson,大规模并行遗传算法中的选择,摘自:Proc。Int.Conf.遗传算法,1991年,第249-256页
[29] 莫里亚蒂,D.E。;Miikkulainen,R.,通过共生进化实现高效强化学习,马赫。学习。,22, 11-32 (1996)
[30] 哈里克·G·R。;Lobo,F.G。;Goldberg,D.E.,紧凑型遗传算法,IEEE Trans。进化。计算。,3, 4, 287-297 (1999)
[31] Lee,K.Y。;白晓敏;Park,Y.M.,使用改进的简单遗传算法的无功规划优化方法,IEEE Trans。电力系统。,10, 4, 1843-1850 (1995)
[32] Juang,C.F。;Lin,J.Y。;Lin,C.T.,通过共生进化进行模糊控制器设计的遗传强化学习,IEEE Trans。系统。人类网络。B、 30、2、290-302(2000)
[33] 科尔顿,O。;Herrera,F。;霍夫曼,F。;Magdalena,L.,《遗传模糊系统进化调整和模糊知识库学习》,(《模糊系统进展——应用与理论》,第19卷(2001),世界科学出版社:新泽西州世界科学出版社)·Zbl 1050.93513号
[34] Narendra,K.S。;Parthasarathy,K.,《使用神经网络识别和控制动态系统》,IEEE Trans。神经网络。,1, 1, 4-27 (1990)
[35] Tanomaru,J。;Omatu,S.,通过自我构造训练的神经控制器进行过程控制,IEEE Trans。Ind.Electron公司。,39, 511-521 (1992)
[36] Lin,C.-J。;蔡长宁,用上下文敏感神经模糊系统进行非线性系统辨识,陈建华。Inst.Eng.,27,1,1-8(2004)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。