基于遗传算法的模糊推理控制系统的参数优化研究

【摘要】：由于对复杂的控制问题具有很强的控制能力,模糊控制器被广泛应用在工业控制等诸多领域中。但是,模糊控制器推理系统参数的隶属度函数和模糊规则的确定多依赖于操作者和专家的经验知识,而推理系统参数的选择直接影响到控制的品质性能。因而,推理系统参数的优化问题是基于模糊推理控制器设计的重要问题。 本文利用遗传算法对模糊控制器的推理系统的前件及后件的隶属度函数参数进行优化,并对Homaifar等人提出的优化算法进行改进,改进后的算法采用三角隶属函数的正则模糊划分,保证了推理系统的一致性和完备性。 对于控制参数论域的最优m模糊划分问题,本人提出的方法需要优化的参数个数为m个。在解决多变量问题时,本方法待优化的参数个数将会远远小于Homaifar等人的算法,从而大大降低遗传算法的搜索空间。 同时,在遗传算法的设计中,本人对个体编码、种群的初始分布及选择、交叉、变异等遗传算子提出改进。通过设计新的种群的初始分布和变异算子使遗传算法前期的广度有所保证,使后期的收敛性明显改善,提高了普通的遗传算法的性能。 作为提出的控制参数优化方法的应用,以城市交通岗信号灯控制为背景,本人将提出的方法应用于交通岗二相位信号的智能控制之中,计算机仿真的结果检验了本文提出算法的有效性。