基于免疫遗传算法的模糊神经网络参数的研究

【摘要】： 模糊神经网络是模糊逻辑推理与神经网络有机结合的产物,是智能复合控制发展的必然趋势。它的学习算法是其理论与应用研究中最关键的一个方面。由于结构学习通常可以转化为参数学习,故模糊神经网络的参数学习问题是一个非常值得研究的课题。 本文选取自适应神经模糊推理系统(ANFIS)作为研究的对象,应用免疫遗传算法对其参数进行了研究。主要研究内容如下: 1、研究了自适应神经模糊推理系统(ANFIS)的基本理论。首先对自适应网络进行了描述,在介绍了自适应网络的基础上对ANFIS的结构、常用的学习算法、采用的控制方式进行了描述。最后,介绍了ANFIS在MATLAB中的实现。 2、免疫遗传算法是一种混合型改进的遗传算法。首先描述了遗传算法的基本理论。其次,研究了免疫学的基本理论。最后,介绍了免疫遗传算法的特点。 3、本文在简要介绍自适应神经模糊推理系统和免疫遗传算法理论的基础上,针对免疫遗传算法(IGA)的不足进行了改进,应用改进的免疫遗传算法对自适应神经模糊推理系统的参数进行了优化,并进行仿真试验,仿真试验结果表明本文提出的用免疫遗传算法对模糊神经网络的参数进行学习,使模糊神经网络具有了更好的逼近能力,能够很好地解决寻优问题,得到更理想的优化结果,仿真实验表明了用免疫遗传算法优化模糊神经网络的有效性和优越性。