申请/专利权人:四川大学
申请日:2021-01-04
公开(公告)日:2021-05-07
公开(公告)号:CN112766510A
主分类号:G06N7/02(20060101)
分类号:G06N7/02(20060101);G06N3/00(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.05.25#实质审查的生效;2021.05.07#公开
摘要:本发明公开了一种基于多目标蚁群算法的可解释混合类型模糊系统优化方法,该方法包括构建可解释的混合类型模糊系统;采用模糊集在线聚类更新算法构建初始参考规则向量;采用改进的多目标前沿导向的连续蚁群优化算法对混合类型模糊系统的系统参数进行优化。本发明通过对模糊集不确定覆盖域的约束构建可解释的混合类型模糊系统,有效避免了冗余的区间二型模糊集的生成;并且采用模糊集在线聚类更新算法构建初始参考规则向量,不仅计算比较简单,还保留了传统的基于集合理论的相似性度量的特性;最后采用改进的多目标前沿导向的连续蚁群优化算法同时优化了控制性能和可解释性,实现了模糊控制器的可解释性和控制性能的较好平衡。
主权项:1.一种基于多目标蚁群算法的可解释混合类型模糊系统优化方法,其特征在于,包括以下步骤:S1、构建可解释的混合类型模糊系统;S2、采用模糊集在线聚类更新算法构建初始参考规则向量;S3、根据初始参考规则向量,采用改进的多目标前沿导向的连续蚁群优化算法对混合类型模糊系统的系统参数进行优化。
全文数据:
权利要求:
百度查询: 四川大学 基于多目标蚁群算法的可解释混合类型模糊系统优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。