基于模糊集的粒度计算在分层模糊控制中的应用和研究

摘要

粒度计算的思想起源于上世纪70年代末，它是模仿人类思考问题的方式，正如张钹院士和张铃教授所说：“人类智能的一个公认的特点，就是人们能从极不相同的粒度上观察和分析同一问题。人们不仅能在不同粒度(granularity)的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，毫无困难。这种处理不同粒度世界的能力，正是人类问题求解的强有力的表现。”它像一把大伞，覆盖了所有有关粒度的理论、方法论、技术和工具的研究，是用来处理不完全、不可靠、不精确、不一致和不确定的知识。它是人工智能研究的最重要基础，现己成为人工智能领域的热点之一，主要包括模糊集理论、粗糙集理论和商空间理论等。本文的主要内容如下： 1.介绍了粒度计算的产生与发展背景，粒度计算的研究现状和主要理论，并说明了本文的研究背景及意义。给出了最一般的粒的定义，并讨论了粒的基本性质。从研究问题的需要出发，对粒度模型的论域和属性进行粒度化，给出选择粒度世界的方法。 2.介绍了如何从数值变量到语言变量并给出了模糊的程度化思想，从而引出了模糊集合。接着给出了模糊集合的基本定义、基本概念和运算方法，并做出了详细的描述，使人们对模糊集合有了一个整体认识。最后给出了模糊集，词计算以及粒度的联系。 3.介绍了粒度思想与分层递阶的关系，即研究从全局到局部的解决问题的方法。在此基础上，提出来一种新分层模糊模型，对其性质和构造方法作了详细的介绍，并尝试用这种方法解决模糊规则数随模糊系统输入的变量的数目的增加而指数性地上升的“维数灾难”问题。 4.提出一种基于递阶结构进化规划与混合编码遗传算法相结合的分层模糊神经网络的新算法，其编码采用混合编码方式利用改进的进化规划逐代优化，同时得到最优的拓扑结构和网络参数，可以利用该算法在网络中获取经过进一步优化的模糊规则。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2粒度计算的产生、发展及研究现状

1.3本文的研究目的和意义

1.4本文的组织结构

第二章粒度计算基础

2.1粒度的描述

2.1.1问题的提出

2.1.2粒和粒度

2.1.3不同粒度世界模型

2.2粒度计算的原理

2.2.1粒度计算的基本问题

2.2.2粒度计算的基本定义

2.3选择粒度世界的方法

2.3.1对论域粒度化

2.3.2对属性粒度化

2.4粒度计算的性质

2.5本章小结

第三章模糊集与词语计算

3.1从数值变量到语言变量

3.2模糊的程度化思想

3.3模糊集合及其运算

3.3.1从经典集合到模糊集合

3.3.2模糊集合的定义

3.3.3模糊集合的基本概念

3.3.4模糊集合的基本运算

3.3.5模糊集合的其他运算

3.4模糊关系及扩展原理

3.4.1模糊关系

3.4.2模糊关系的合成

3.4.3扩展原理

3.5语言变量与模糊规则

3.5.1语言变量

3.5.2语言限定词

3.5.3模糊规则

3.6词计算的基本概念及其计算方法

3.6.1模糊信息粒度化

3.6.2词计算中的粒度化概念

3.6.3词计算的核心问题

3.6.4词计算的结构模型

3.6.5词的语义解释及运算步骤

3.7用模糊集和词计算构造粒度计算模型

3.8本章小结

第四章基于粒度的分层模糊控制

4.1粒度思想与分层递阶

4.1.1粒度思想

4.1.2分层递阶

4.2分层模糊系统

4.2.1维数灾难

4.2.2分层模糊系统的构造

4.2.3分层模糊系统的性质

4.3用粒度的方法优化模糊规则

4.3.1优化模糊规则的思想

4.3.2广义模糊推理法

4.3.3分层模糊神经网络模型

4.3.4递阶进化规划算法

4.3.5仿真实例分析

4.4本章小结

结束语

参考文献

攻读学位期间发表论文

致谢