多目标进化算法对模糊系统解释性研究应用.pdf

摘要 本论文以模糊系统的解释性为研究目标。首先，捉出了与模糊系统解释性有荚的重要概 念。其次，提出了一种基于智能体的多目标进化算法从外部训练数据提取模糊规则，在知识 提取的过程中，既要考虑规则的精确性，又要考虑规则的解释性。最后，基下锂能体的进化 算法被应川于非线性系统模拟问题和分类向题中。实验结果表明，此种基于智能体的进化算 法可以得到多个模糊系统解，同其他方法比较，我们方法产生的模糊系统有更好的解释性和 更高的或可比手以的精确性。 第一章综合论述了本文r作的意义，提出了本文的研究背景，研究的土要内容雨旧标， 及主要创新点。 第二章对模糊系统作了简要地介绍，提出了模糊系统解释性的6项重要概念并加以详细 阐述，分别是完全性和可区分性、一致性、紧凑性、效削性、交义睦利覆盖性。 第三章介绍了二进制遗传算法和实值遗传算法的一些重要概念和筇子，井引入了对分层 遗传算法的讨论。分层遗传算法可以用丁结构优化，并己被应j=|：j丁优化模糊系统。 第四章对多目标进化算法作了简要的介纠，并同顾了其发展历史，最后对第二代多曰标 进化算法中的NSGA．II作了详细介纠。NSGA．11被用于我们提出的基丁智能体的进化算法 中．川来评价模糊集智能体的生存能力。 第五章详细介绍了基于智能体的进化算法的实现细：性．包括钾能体的内部行为和多个智 能体的交互机制等。 第八章给山r5个实际问题的实验结果。分别是二阶仆线性I．厂模J扎Lorenz系统， 屙2个用于研究分类问题。 最后，在第七章概括沦述了本文的主要结论，并且对进一步的研究1．作进行展望。 关键词：解释性与精确性，模糊亲统．分层遗传算法，NSGA．II，多智能体系统 Abstract Inthis discussthe an thesis，we interpretabilityoffuzzy systemsall([proposeagent—based toextract boththe evolutionary appl’oach fuzz3，rllles aCCUl’ac3’and considm’ing intel‘pretability． And two of are basedonthe nonlinear problems types applied agent—based approach：thesystem all(1the approxinlationpl’oblem classificat．ion l-esult．sSIIowthat pl’oblem．Expel·ilnental multiple solutionscanbeobtained fuzzy withbetter anda or system interpretability comparative higher withother methodsknownin accuracycompared theliteratul·e． 1 a aboutthe work．The C