模糊系统的梯度下降法设计题库.doc

如何用梯度下降法设计模糊控制系统 主要讲模糊系统结构的选择、模糊系统参数的设计和在非线性动态系统辨识中的应用。 在向量微积分中,标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向,梯度的长度是这个最大的变化率。更严格的说,从欧几里得空间到的函数的梯度是在某一点最佳的线性近似。在这个意义上,梯度是雅可比矩阵的一个特殊情况。 在单变量的实值函数的情况,梯度只是导数,或者,对于一个线性函数,也就是线的斜率。 用于斜度,也就是一个曲面沿着给定方向的倾斜程度,梯度的数值有时也被称为梯度。 梯度下降法又称最速下降法。函数在某点的梯度是一个向量,其方向是J(a)增长最快的方向。显然,负梯度方向是减少最快的方向。在梯度下降法中,求某函数极大值时,沿着梯度方向走,可以最快达到极大点；反之,沿着负梯度方向走,则最快地达到极小点。 梯度下降法,就是利用负梯度方向来决定每次迭代的新的搜索方向,使得每次迭代能使待优化的目标函数逐步减小。梯度下降法是2范数下的最速下降法。 最速下降法的一种简单形式是：x(k+1)=x(k)-a*g(k),其中a称为学习速率,可以是较小的常数。 g（k）是x(k)的梯度。直观的说,就是在一个有中心的等值线中,从初始值开始,每次沿着垂直等值线方向移动一个小的距离,最终收敛在中心。 对于某一个性能指数,我们能够运用梯