模糊神经网络的混合调整方法.pdfVIP

维普资讯 2}一 7 第 21卷 第3期 东北重型机械学院学报 Vol21 N o．3 1997年9月 Journa【ofNortheastHeavyMachineryInstitute SeD． 1997 模糊神经网络的混合调整方法t 王守字 杨 靖 卢志刚 吴士昌 -·E，· _-一 ,z- _ 电气I程学院 摘 要 由于常规调整疗法的收敛性依赖于模糊模型的初始条件．文中提出一种新的基 于遗传莽法和梯度法的模糊神经网络 自动调整方法．通过仿真证明了这一方法是有效的 ． 关键词 ． 堡塑挂銎．塞星匝赵．遗传算法堡塑望堡旦堑 梯度法 0引言粕词∞” 纠。 ’谍 由于模糊推理具有将专家归纳的知识用数学方法来描述的功能．因此 ．模糊推理可 用于解决如机器控制、工业系统等}I～ 各种问题 ．但模糊规则的归纳取决于专家的经验 和知识．这是个困难的问题．目前许多文献提出了模糊推理的自动调整方法 ～ ．其中 模糊神经网络 (FNN)就是一种用于模糊推理自动调整的比较好的方法 ．但是这些调整方 法的收敛性依赖于初始条件 遗传算法 (GA)作为基于生物进化过程的一种新的寻优方 法．随着计算机技术的高速埕展已引起人们越来越多的注意 ． 本文基于遗传算法提出一种模糊神经网络的调整方法 ．这一调整系统有两个调整阶 段：(1)粗调阶段：是基于GA的多点寻优．这种独有的多点寻优方法是其它随机寻优 方法所没有的 。待定的最优解存在于搜索空间．通过它们的交叉和变异可以防止寻优 过程陷入局部极小解．从而得到全局最优解．粗调阶段决定了模糊模型的最优结构。并 初步确定了网络的参数：(2)细调阶段：用梯度法对模糊神经网络的参数进一步调整 ． 通过上述两个过程可以得到最简 最优的模糊推理．输入输出之间的关系可 自动表达成 语言形式的模糊规则 ． 这种混合调整方法．利用了GA的全局性。为模糊神经网络提供初始参数．可以大 大加快运算速度．在较少的步敬内得到全局最优解．同时避免了陷入局部极小的问题 ． 1 GA简介 GA的基本思想是基于Darwin的进化论和Mendd的遗传学说 GA是将问题的求 解表示成 染色体 (用计算机编程时。一般是用二进制码串表示)．从而构成一群 染 色体 ．将它们置于求解问题的 环境 中。根据适者生存的原则．从中选择出能适应环 境的 染色体 进行复制 ．即再生 (reproduction．也称 selection)．通过 交换 (crossover)、变异 (mutation)两种基因操作产生出新一代更适合环境的 染色体 群．这样一代代地不断进化．最后收敛到—个最能适应环境的个体上．便求得了问题的 最优解 ． GA操作的对象是 染色体 ．即为求解 问题的二进制编码 ．GA操作是在 环 境 中进行的．问题的 环境 一般是用来量测求解问题品质的函数．称作对象函数 (objeCtfunction．也称适应函数．fitnessfunction)． 1996年 12月25日收到 t机械工业部教育司科技基金资助项目 维普资讯 第 3期 乇守字 等 模糊神经网络的混合调整方法 GA中有三个基本算子： 再生 按 ／Ef／．(是第，个个体 的适应值．即 的对象函数值． 是串群的 适应值之和．Ⅳ为种群数目)．决定 在下一代中应复制其 自身的数 目． 交换 按一定的交换概率P从种群中随机选择两个个体进行交换．即部分交换这两 个个体的某些位．产生新的个体 ． 变异 按一定的变异概率P．对串群中的某些位进行变异．即l变 或0变 1． 2 模糊神经网络的混合调整方法 采用文献 6【]中的4层模糊网络结构 ．模糊推理的输入输出关系公式为 ) (1)