应用聚类和遗传算法获取模糊模型

针对在复杂系统的模糊建模中,模型的精确度和可解释性很难同时得到满足的问题,利用PNC2聚类算法和遗传算法各自的特点,提出了一种新的建模方法。利用PNC2聚类算法创建初始模型,然后对规则参数进行编码,借助实值遗传算法优化模型。PNC2是有指导的层次凝聚聚类算法,双重的合并测试使获得的初始模型达到局部最优解,具有很强的可解释性;遗传算法通过自适应优化来提高模型的精确度。通过运用Iris数据分类问题,验证了算法的可行性和有效性。

基于模糊逻辑的电力推进船舶电力负荷预测

在电力推进船舶中,电力负荷的预测是基础工作之一,利用模糊逻辑可以有效地提高其预测精度。文章建立了一个非单值Mamdani型模糊模型,用于某型电力推进船舶实际电力负荷时间序列达到预测。MATLAB仿真结果表明,预测曲线能够较好地跟踪实际曲线的趋势与走向,预测误差低,说明该模型具有良好的预测性能。