基于云模型的全局最优化算法

基于云模型在定性概念与其定量数值表示之间转换过程中的优良特性,结合遗传算法的基本思想,提出一种自适应高精度快速随机搜索算法,并将之运用到函数寻优中.在定性知识的指导下该算法能够自适应控制搜索空间的范围,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.算法易于实现,不存在遗传算法中的编码问题.试验结果表明该算法具有精度高、收敛速度快等优点.在众多优化问题上有广泛的应用前景.      

基于隶属云发生器的智能控制

阐述一种利用隶属云发生器实现智能控制的方法。其控制策略是通过语言值构成规则,从而形成一种直观推理方法。它不要求给出被控对象精确的数学模型,仅仅依据人的经验、感觉和逻辑判断,将人用语言值定性表达的控制经验,通过语言原子和云模型转换到语言控制规则器中,就能解决非线性问题和不确定性问题。基于此理论控制倒立摆获得比较好的效果,结果表明,该方法对被控对象的状态和参数变化具有较强的鲁棒性。     

正态云模型雾化性质统计分析

对于超熵较大情况下的正态云模型,说明了云模型雾化过程.通过统计分析云滴离散的整体趋势,说明超熵增大过程中,云滴整体趋于离散.通过分析各论域区间内云滴离散趋势,说明靠近概念核心的云滴的离散速度相对缓慢.归纳云模型雾化性质:在超熵取值持续增大的过程中(HeEn/3),正态云表示的概念的论域范围持续增大,呈雾化状态,但靠近概念核心的论域区间内的云滴不失数量优势.雾化性质适用于建模偏离正态分布、缺乏共识的定量数据,期望表示概念语义值核心,熵描述概念语义的离散程度,超熵表示各种语义的共识程度,扩展了云模型知识表示的应用范围.