基于二叉树型分层的广义混合模糊系统推理规则数的缩减

为避免广义混合模糊系统因输入变量个数的增加而引起规则爆炸现象,应用二叉树型分层方法给出混合推理规则,进而对广义混合模糊系统的输入实施二叉树型分层,从理论上获得了该系统分层后的输入输出表达式和推理规则总数的计算公式.此外,通过实例对该系统分层和不分层的规则总数进行了比较和分析,结果表明分层后广义混合模糊系统可大幅度缩减推理规则总数,并可有效地避免规则爆炸.

二叉树型分层广义混合模糊系统的结构和规则数分析

模糊系统由一般输入变量、推理规则和实际输出组成,推理规则总数会随着输入变量的增多而呈指数形式急剧上升,容易引起规则爆炸.为此,降低规则总数是必要的.本研究首先对二叉树型分层广义混合模糊系统进行结构分析;其次,依据混合推理规则及计数公式针对分层前与分层后的规则总数进行比较和分析.结果表明,分层后系统内部规则总数的增长速度远远小于不分层的规则总数的增长速度,从而可避免规则爆炸现象.