基于进化策略生成可解释性模糊系统

模糊系统的可解释性明显优于其他人工智能方法 ,却长期没有引起人们足够的注意 .本文对模糊系统的可解释性作了深入的分析 ,定义了最简约模糊划分、模糊划分的完备 清晰性、模糊规则的完备性、紧凑性和一致性 ,并将其加入到进化策略的适值函数中 ,用于优化模糊系统 .仿真试验表明 ,即使在先验知识较少的情况下 ,该方法依然可以设计出具有较好系统响应性能和较高可解释性的模糊系统 .

基于进化模糊系统生成可理解的知识表达

讨论了最简约模糊划分、模糊划分的完备-清晰性、模糊规则的完备性和一致性,并根据这些指标构造适应度函数,使进化模糊系统不仅响应性能良好,而且可获得物理意义明显的结构和参数,从而使其表达的知识更易理解。应用Box-Jenk ins煤气炉数据的仿真实验表明了该方法的有效性。