基于改进遗传算法与支持度的模糊系统优化建模方法

杜宏庆; 陈德旺; 黄允浒; 朱凤华; 李灵犀

doi:10.11959/j.issn.2096-6652.202020

您当前的位置：

首页 >

文章列表页 >

基于改进遗传算法与支持度的模糊系统优化建模方法

学术论文 | 更新时间：2024-06-05

- 基于改进遗传算法与支持度的模糊系统优化建模方法
- A fuzzy system optimization modeling method based on improved genetic algorithm and support degree
- 智能科学与技术学报 2020年2卷第2期页码：179-185
- 作者机构：
  
  1. 福州大学数学与计算机科学学院，福建福州 350108
  2. 福州大学智慧地铁福建省高校重点实验室，福建福州 350108
  3. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
  3. 印第安纳大学-普渡大学印第安纳波利斯分校电子与计算机工程系，美国印第安纳波利斯 46202
- 作者简介：
  
  [ "杜宏庆（1996– ），男，福州大学数学与计算机科学学院硕士生，主要研究方向为模糊系统、智能计算和大数据" ]
  [ "陈德旺（1976– ），男，博士，福州大学数学与计算机科学学院教授、博士生导师，福建省“闽江学者特聘教授”，美国加州大学伯克利分校访问学者，中国自动化学会混合智能专业委员会副主任，中国自动化学会粒计算与多尺度分析专业委员会秘书长， IEEE高级会员，IEEE Transaction on ITS编委，主要研究方向为人工智能、大数据、最优化、智慧地铁和智慧新能源等" ]
  [ "黄允浒（1990– ），男，福州大学数学与计算机科学学院博士生，主要研究方向为智能计算、大数据与最优化" ]
  [ "朱凤华（1976– ），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室副教授，主要研究方向为人工交通系统和并行交通管理系统" ]
  [ "李灵犀（1977- ），男，博士，印第安纳大学-普渡大学印第安纳波利斯分校电子与计算机工程系副教授，主要研究方向为复杂系统的建模、分析、控制与优化，智能交通系统、智能汽车、车辆主动安全系统与人因学" ]
- 基金信息：
  
  国家自然科学基金项目(61976055);智慧地铁福建省高校重点实验室建设基金资助项目;The Construction of Key Laboratory of Intelligent Metro of Universities in Fujian Province(53001703);智慧地铁福建省高校重点实验室建设基金资助项目;The Construction of Key Laboratory of Intelligent Metro of Universities in Fujian Province(50013203)
- DOI：10.11959/j.issn.2096-6652.202020
  中图分类号： TP391.41，TP273
- 网络出版日期：2020-06，
  
  纸质出版日期：2020-06-20
- 稿件说明：
移动端阅览
杜宏庆, 陈德旺, 黄允浒, 等. 基于改进遗传算法与支持度的模糊系统优化建模方法[J]. 智能科学与技术学报, 2020,2(2):179-185.

Hongqing DU, Dewang CHEN, Yunhu HUANG, et al. A fuzzy system optimization modeling method based on improved genetic algorithm and support degree[J]. Chinese journal of intelligent science and technology, 2020, 2(2): 179-185.
杜宏庆, 陈德旺, 黄允浒, 等. 基于改进遗传算法与支持度的模糊系统优化建模方法[J]. 智能科学与技术学报, 2020,2(2):179-185. DOI： 10.11959/j.issn.2096-6652.202020.

Hongqing DU, Dewang CHEN, Yunhu HUANG, et al. A fuzzy system optimization modeling method based on improved genetic algorithm and support degree[J]. Chinese journal of intelligent science and technology, 2020, 2(2): 179-185. DOI： 10.11959/j.issn.2096-6652.202020.

摘要

模糊系统是一种可解释性强的人工智能方法，经典Wang-Mendel（WM）方法因能从数据中自动获取模糊规则，而成为一种重要的智能建模方法。但是该方法存在规则数目较多、精度不高等不足，且目前的改进方法普遍存在计算复杂、效率低等问题。为此，提出一种改进遗传算法与基于支持度的规则约简相结合的模糊系统优化建模新方法——遗传模糊系统（GFS），通过优化模糊系统的结构及隶属函数参数，由目标函数的不同组合构成GFS1、GFS2与GFS3这3种模型的具体实现算法。在标准及加噪的电能输出数据集上进行模糊建模试验，其结果表明：GFSi(i=1

3)模型预测精度高于WM方法且规则数更少；其抗噪能力显著优于径向基函数神经网络、反向传播神经网络；GFS3 的适应度函数评估效果最佳，因此其性能最优。提出的方法在充分发挥模糊系统可解释性、鲁棒性强优势的同时保障了预测精度，是一种很有潜力的人工智能算法。

Abstract

Fuzzy system is a kind of artificial intelligence method with strong explanatory ability.The classical Wang-Mendel (WM) method can automatically obtain fuzzy rules from data

and it has become an important intelligent modeling method.There are many problems in this method

such as the large number of rules and the low precision.And at present

there are many problems in the improved methods

such as complex calculation and low efficiency.For this reason

a new method of fuzzy system optimization modeling based on improved genetic algorithm and rule reduction based on support degree:genetic fuzzy system (GFS) was proposed.By optimizing the structure and membership function parameters of the fuzzy system

the concrete algorithm of GFS1

GFS2 and GFS3 models were constructed by different combinations of objective functions.The results of fuzzy modeling experiments on the standard and noisy power output data sets show that:1) GFSi (i =1

3) model fitting accuracy is higher than WM method and the number of rules is less; 2) its anti-noise capability is significantly better than that of RBF and BP neural network; 3) the fitness function of GFS3 has the best evaluation effect

so its performance is optimal.The method proposed in this paper gives full play to the advantages of the interpretability and robustness of the fuzzy system and guarantees the accuracy at the same time.It is a potential artificial intelligence algorithm.

关键词

Keywords

references

阎岭 , 郑洪涛 , 蒋静坪 . 基于进化策略生成可解释性模糊系统 [J ] . 电子学报 , 2005 , 33 ( 1 ): 70 - 73 .

YAN L , ZHENG H T , JIANG J P . Generation of interpretable fuzzy system based on evolution strategy [J ] . Acta Electronica Sinica , 2005 , 33 ( 1 ): 70 - 73 .

YANG L , ENTCHEV E . Performance prediction of a hybrid microgeneration system using adaptive neuro-fuzzy inference system (ANFIS) technique [J ] . Applied Energy , 2014 , 134 : 197 - 203 .

WANG L X , MENDEL J M . Fuzzy basis functions,universal approximation,and orthogonal least-squares learning [J ] . IEEE Transactions on Neural Networks , 1992 , 3 ( 5 ): 807 - 814 .

WANG L X , MENDEL J M . Generating fuzzy rules by learning from examples [J ] . IEEE Transactions on Systems,Man,and Cybernetics , 1992 , 22 ( 6 ): 1414 - 1427 .

GOU J , HOU F , CHEN W Y , et al . Improving wang-mendel method performance in fuzzy rules generation using the fuzzy c-means clustering algorithm [J ] . Neurocomputing , 2015 , 151 : 1293 - 1304 .

YANG X M , YUAN J Y , YUAN J S , et al . An improved WM method based on PSO for electric load forecasting [J ] . Expert Systems with Applications , 2010 , 37 ( 12 ): 8036 - 8041 .

GOU J , FAN Z W , WANG C , et al . An improved wang-mendel method based on the FSFDP clustering algorithm and sample correlation [J ] . Journal of Intelligent ＆ Fuzzy Systems , 2016 , 31 ( 6 ): 2839 - 2850 .

FAN Z W , GOU J , WANG C , et al . A reduced weighted wang-mendel algorithm using the clustering algorithm to build fuzzy system [C ] // The 2016 International Conference on Progress in Informatics and Computing . Piscataway:IEEE Press , 2016 : 8 - 12 .

WANG Y G , DUAN X D , LIU X D , et al . Semantic description method for face features of larger Chinese ethnic groups based on improved WM method [J ] . Neurocomputing , 2016 , 175 : 515 - 528 .

王永富 , 王殿辉 , 柴天佑 . 一个具有完备性和鲁棒性的模糊规则提取算法 [J ] . 自动化学报 , 2010 , 36 ( 9 ): 127 - 132 .

WANG Y F , WANG D H , CHAI T Y . Extraction of fuzzy rules with completeness and robustness [J ] . Acta Automatica Sinica , 2010 , 36 ( 9 ): 127 - 132 .

王永富 , 柴天佑 . 从数据中挖掘模糊规则及其系统实现 [J ] . 系统工程学报 , 2005 , 20 ( 5 ): 497 - 503 .

WANG Y F , CHAI T Y . Mining fuzzy rules from data and its system implementation [J ] . Journal of Systems Engineering , 2005 , 20 ( 5 ): 497 - 503 .

王晶 , 李玉兰 , 蔡自兴 , 等 . 基于遗传算法的模糊系统优化设计方法 [J ] . 控制理论与应用 , 1999 ( 5 ): 699 - 704 .

WANG J , LI Y L , CAI Z X , et al . An optimal design approach for fuzzy system based on genetic algorithm [J ] . Control Theory ＆ Applications , 1999 ( 5 ): 699 - 704 .

任宇佳 . 基于自适应遗传算法的自动化立体仓库入库货位分配优化研究 [J ] . 中国储运 , 2019 ( 11 ): 130 - 132 .

REN Y J . Research on the allocation optimization of storage space in automated three-dimensional warehouse based on adaptive genetic algorithm [J ] . China Storage ＆ Transport , 2019 ( 11 ): 130 - 132 .

DANIELA S , MELIN P , CASTILLO O . Fuzzy system optimization using a hierarchical genetic algorithm applied to pattern recognition [J ] . Advances in Intelligent Systems ＆ Computing , 2015 , 323 : 713 - 720 .

王锋 , 张国煊 , 张怀相 . 模糊隶属度函数的遗传优化 [J ] . 杭州电子科技大学学报 , 2009 , 29 ( 4 ): 34 - 37 .

WANG F , ZHANG G X , ZHANG H X . Genetic optimization of fuzzy membership functions [J ] . Journal of Hangzhou Dianzi University , 2009 , 29 ( 4 ): 34 - 37 .

辛峻峰 , 张永波 , 伯佳更 , 等 . 基于数据驱动的遗传算法的无人艇路径规划研究 [J ] . 智能科学与技术学报 , 2019 , 1 ( 2 ): 171 - 180 .

XIN J F , ZHANG Y B , BO J G , et al . Study on path planning of unmanned surface vessel based on data-driven genetic algorithm [J ] . Chinese Journal of Intelligent Science and Technology , 2019 , 1 ( 2 ): 171 - 180 .

刘睿 , 王锋 . 一种基于改进遗传算法的摄像机自标定方法 [J ] . 光盘技术 , 2008 ( 5 ): 42 - 44 .

LIU R , WANG F . Self-calibration of the camera based on genetic algorithm [J ] . CD Tecnnology , 2008 ( 5 ): 42 - 44 .

彭显刚 , 胡松峰 , 吕大勇 , 等 . 基于RBF神经网络的短期负荷预测方法综述 [J ] . 电力系统保护与控制 , 2011 , 39 ( 17 ): 144 - 148 .

PENG X G , HU S F , LYU D Y , et al . Review on grid short-term load forecasting methods based on RBF neural network [J ] . Power System Protection and Control , 2011 , 39 ( 17 ): 144 - 148 .

王林 , 彭璐 , 夏德 , 等 . 自适应差分进化算法优化BP神经网络的时间序列预测 [J ] . 计算机工程与科学 , 2015 , 37 ( 12 ): 2270 - 2275 .

WANG L , PENG L , XIA D , et al . BP neural network incorporating self-adaptive differential evolution algorithm for time series forecasting [J ] . Computer Engineering and Science , 2015 , 37 ( 12 ): 2270 - 2275 .

陈德旺 , 蔡际杰 , 黄允浒 . 面向可解释性人工智能与大数据的模糊系统发展展望 [J ] . 智能科学与技术学报 , 2019 , 1 ( 4 ): 327 - 334 .

CHEN D W , CAI J J , HUANG Y H . Development prospect of fuzzy system oriented to interpretable artificial intelligence and big data [J ] . Chinese Journal of Intelligent Science and Technology , 2019 , 1 ( 4 ): 327 - 334 .

浏览量

269

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于模糊系统的定性与定量知识的综合集成

深度强化学习算法与应用研究现状综述

面向可解释性人工智能与大数据的模糊系统发展展望

基于数据驱动的遗传算法的无人艇路径规划研究