基于模糊遗传算法的神经模糊控制器的综合优化  

Integrated Optimization of Neuro-fuzzy Controller Based on Fuzzy Genetic Algorithm

作　　者：戚志东[1] 朱新坚[1] 朱伟兴[2] 

机构地区：[1]上海交通大学自动化系燃料电池研究所,上海200030 [2]江苏大学电气信息工程学院,江苏镇江212013

出　　处：《计算机仿真》2004年第6期122-126,共5页Computer Simulation

基　　金：国家 8 63项目 (编号 :2 0 0 2AA5 170 2 0 )

摘　　要：针对遗传算法的特点 ,提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构 ,并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明 ,此种模糊遗传算法不仅加快了解的收敛速度 。Based on the characteristics of genetic algorithm, an improved fuzzy genetic algorithm (FGA) and its algorithm structure are proposed, in which the crossover probability and mutation probability are adjusted by fuzzy control method. Then FGA is used into the integrated optimal design of neuro-fuzzy controller. The results of simulation on the second order control model show that this kind of FGA can improve both the convergent speed and the quality of the solution.

关 键 词：模糊遗传算法 神经模糊控制器 交叉概率 变异概率 

分 类 号：TP273.4[自动化与计算机技术—检测技术与自动化装置] TP18[自动化与计算机技术—控制科学与工程]