【采用遗传算法自学习的基於神经网络结构的自组织的模糊控制器】葛红.pdf

广东省自然科学基金项目摘要遗传算法、模糊推理、神经网络是人们从生物中寻求新的用于人造系统的灵感而得到的结果,是科学技术高度发展的产物,它们的有机结合是人工系统进一步智能化发展的必然趋势.经过长期理论探讨和实验研究,三者在理论基础和实际应用方面都有了很大发展,将模糊推理与神经网络相结合,相互取长补短,构成模糊神经网络,更是近年来人工智能研究的热点,也取得了引人注目的成效。但是,二者的结合仍有不少问题影响着系统的进一步发展,这些问题解决地好坏,对系统的性能起看决定性的作用:1.模糊控制与神经网络结合的具体形式.2.模糊神经网络系统的性能探讨.3.模糊神经网络的训练方法.

广东省自然科学基金项目目录摘要 ABSTRACT 第一章绪论模糊控制 1人工神经网络与模糊控制器 1遗传算法训练本课题研究的意义 1论文内容介绍第二章基本理论模糊控制模糊控制概述,2模糊控制的实现人工神经网络,2概述ANN的工作原理 2遗传算法概述GA的理论基础第三章采用遗传算法自学习的基于人工神经网络的模糊控制器基于神经网络的模糊控制器3概述ANN+FLC的结构设计.

第一章绪论 1模糊控制本世纪40年代发展起来的自动控制理论经历了几个时代之后日臻完美,几十年来,它在实际应用中也取得了令人瞩目的硕果。然而,长期以来,以往基于精确数学模型的控制论在处理现实世界中许多带有亦此亦彼的模糊现象的数学模型难以确定的复杂控制问题时,就暴露了它的局限性,这也是现代控制理论在许多复杂系统难以付诸实现的主要原因之一。[1][2] 为解决大系统、复杂系统中难以精确化的问题,美国控制论学者查德(Z.A.Zadeh)在1965年提出了模糊集合(FuzzySets)。1966年马利诺斯发表了模糊逻辑的内部研究报告.接着查德提出了模糊语言变量这一重要概念.