基于遗传模拟退火算法的模糊神经网络控制器优化算法研究

摘要

自从智能化时代到来后，模糊控制和神经网络就已成为学者们热点研究的学科，而且近几年随着对智能化要求程度的提高，建立在二者基础之上的模糊神经网络也逐渐的发展和完善起来了，并且被运用到许多领域中，尤其是在控制方面，取得了一些喜人的成果。为了增强模糊神经网络控制器的性能，许多优化算法也不断地被应用到其中，期望达到更好的效果。本文就是把遗传模拟退火算法应用到模糊神经网络控制器的一个实例。通过对国内外各种文献的研究，本文主要开展了如下的工作：
　　 (1)从模糊神经网络的原始模型入手分析得出了一种变结构的网络模型，该模型的主要特点是增加了一个变结构层，通过这层的调整使网络结构达到最简。分析了遗传算法和模拟退火算法各自的特点，采用两者的结合算法一遗传模拟退火算法对模糊神经网络进行优化。
　　 (2)当开始构造一个模糊神经网络系统时，由于事先不知道那些模糊规则是有效的，所以需要列出全部规则，这样就会使网络变的复杂，势必影响到系统的性能。为此本文应用遗传模拟退火算法提出一种两步两阶段优化策略对网络结构进行精简。第一步由遗传模拟退火算法对网络进行初调，根据得到的结果分两个阶段进行优化。首先根据规则的前件匹配度去掉无效的规则前件结点，然后再由前件与后件的连接权值大小进一步调整结构。第二步则是在前面结构不变的基础上对参数进一步优化以达到理想的控制效果。
　　 从仿真实验的结果看，根据遗传模拟退火算法提出的两步两阶段策略有效地对模糊神经网络控制器进行了优化，使控制效果有了明显的提高。

目录

文摘

英文文摘

声明

第一章 绪 论

1.1引言

1.2相关研究背景

1.3本文的主要工作

1.4论文结构安排

第二章 模糊神经网络基本原理

2.1模糊控制相关理论

2.1.1模糊控制概述

2.1.2模糊控制系统的基本组成

2.1.3模糊控制器的各组成部分

2.2人工神经网络相关理论

2.2.1神经元模型

2.2.2人工神经网络模型

2.2.3人工神经网络的学习算法

2.2.4多层前向神经网络模型

2.3模糊神经网络基本原理

2.3.1模糊神经网络模型

2.4本章小结

第三章 模糊神经网络参数学习算法

3.1遗传算法

3.1.1遗传编码

3.1.2适应度函数

3.1.3遗传算子

3.1.4遗传算法的运行参数设定

3.2模拟退火算法

3.3遗传模拟退火算法

3.4本章小结

第四章 基于遗传模拟退火算法的模糊神经网络控制器优化算法

4.1变结构模糊神经网络模型

4.2变结构模糊神经网络的参数及两步两阶段学习算法

4.3遗传模拟退火算法参数及算子的选取

4.3.1参数的初始化与编码方案

4.3.2优化函数与遗传算子的选取

4.4遗传模拟退火算法执行步骤

4.5仿真实验

4.5本章小结

第五章 总结与展望

参考文献

致 谢

攻读硕士学位期间发表学术论文情况