如何用遗传算法优化模糊控制器中的控制规则和隶属度函数

你说的应该是模糊控制的隶属度函数吧

(1)模糊统计法： 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断对于不同的试验者,清晰集合 A3可以有不同的边界,但它们都对应于同一个模糊集A模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算 v0对 A 的隶属频率 = v0∈A 的次数 / 试验总次数 n　 随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 vo对A 的隶属度值这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大 (2)例证法： 例证法的主要思想是从已知有限个μA的值,来估计论域 U 上的模糊子集 A 的隶属函数如论域 U代表全体人类,A 是“高个子的人”显然 A 是一个模糊子集为了确定μA,先确定一个高度值 h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、075、05、025、0来表示这些语言真值对 n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示 (3)专家经验法： 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据 (4)二元对比排序法： 二元对比排序法是一种较实用的确定隶属度函数的方法它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等

编辑本段举例

新建一个函数

baidu_fm

function

f=baidu_f(x)

f=05-((sin(sqrt(x(1)^2+x(2)^2)))^2-05)/(1+0001(x(1)^2+x(2)^2)^2)

然后用fmins函数寻找极值。

x

=

fmins('baidu_f',

[0

0],

[2

2]);

另外你的语句中有错，少写了一个括号，你再自己检查一下。

优点：

1、遗传算法是以决策变量的编码作为运算对象，可以直接对集合、序列、矩阵、树、图等结构对象进行 *** 作。这样的方式一方面有助于模拟生物的基因、染色体和遗传进化的过程，方便遗传 *** 作算子的运用。

另一方面也使得遗传算法具有广泛的应用领域，如函数优化、生产调度、自动控制、图像处理、机器学习、数据挖掘等领域。

2、遗传算法直接以目标函数值作为搜索信息。它仅仅使用适应度函数值来度量个体的优良程度，不涉及目标函数值求导求微分的过程。因为在现实中很多目标函数是很难求导的，甚至是不存在导数的，所以这一点也使得遗传算法显示出高度的优越性。

3、遗传算法具有群体搜索的特性。它的搜索过程是从一个具有多个个体的初始群体P(0)开始的，一方面可以有效地避免搜索一些不必搜索的点。

另一方面由于传统的单点搜索方法在对多峰分布的搜索空间进行搜索时很容易陷入局部某个单峰的极值点，而遗传算法的群体搜索特性却可以避免这样的问题，因而可以体现出遗传算法的并行化和较好的全局搜索性。

4、遗传算法基于概率规则，而不是确定性规则。这使得搜索更为灵活，参数对其搜索效果的影响也尽可能的小。

5、遗传算法具有可扩展性，易于与其他技术混合使用。以上几点便是遗传算法作为优化算法所具备的优点。

缺点：

1、遗传算法在进行编码时容易出现不规范不准确的问题。

2、由于单一的遗传算法编码不能全面将优化问题的约束表示出来，因此需要考虑对不可行解采用阈值，进而增加了工作量和求解时间。

3、遗传算法效率通常低于其他传统的优化方法。

4、遗传算法容易出现过早收敛的问题。

扩展资料

遗传算法的机理相对复杂，在Matlab中已经由封装好的工具箱命令，通过调用就能够十分方便的使用遗传算法。

函数ga：[x, fval,reason]= ga(@fitnessfun, nvars, options)x是最优解，fval是最优值，@fitnessness是目标函数，nvars是自变量个数，options是其他属性设置。系统默认求最小值，所以在求最大值时应在写函数文档时加负号。

为了设置options，需要用到下面这个函数：options= gaoptimset ('PropertyName1', 'PropertyValue1', 'PropertyName2', 'PropertyValue2','PropertyName3', 'PropertyValue3', )通过这个函数就能够实现对部分遗传算法的参数的设置。

参考资料来源：百度百科-遗传算法

当采用FPGA产生PWM波形时，只需FPGA内部资源就可以实现，数字比较器的一端接设定值输出，另一端接线性递增计数器输出。当线性计数器的计数值小于设定值时输出低电平，当计数器大于设定值时输出高电平，这样[fuzzy_inferencerar] -vhdl模糊PID控制器模糊推理，推理结果：直接用经验值输出。[A_real-time_adaptive_PID_controller_step_motorrar] - 传统PID控制器通常难以满足多变量、非线性、强耦合的步进电机动态响应和精确调速要求,结合传统PID控制和模糊控制及遗传算法(GA)整定PID参数的优点,设计基于模糊遗传算法的实时自适应步进电动机PID控制器,充分发挥传统和智能控制策略各自的优势。仿真结果表明,该实时自适应步进电动机PID[Fuzzy_PID_Control_of_Stepping_Motorrar] - 摘要:由于步进电动机调速系统具有非线性等特点,使得利用简单模糊控制与传统PID控制精度不高,因此文中提出利用模糊PID控制器实现对步进电动机调速系统进行控制的方法,并设计了模糊PID控制器。文中首先建立了步进电动机的数学模型,并根据数学模型推导了其传递函数 然后介绍了模糊PID控制器结构,以[pid_controler_latesttargz] - PID控制器的verilog实现，做闭环控制器的人可以参考[fuzzy_inferencerar] -vhdl模糊PID控制器模糊推理，推理结果：直接用经验值输出。[FPGA-Based_PID_Controller_Implementationrar] - this paper describes implementation of PID controller on FPGA platform usingvhdl[tec_control_pgfarar] - 使用fpga基于积分分离的pid算法进行温控的程序，经实验证明很稳定[PIDcontrolbook2rar] - 微分器：利用数字锁相环进行位同步信号提取的关键模块

以上就是关于如何用遗传算法优化模糊控制器中的控制规则和隶属度函数全部的内容，包括:如何用遗传算法优化模糊控制器中的控制规则和隶属度函数、基于Matlab的函数优化遗传算法程序、遗传算法的优缺点等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！