基于遗传算法优化模糊树模型参数的算法设计及仿真

摘要：

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法,提出基于GA的一套完整、系统的优化模糊树模型参数的算法,其关键是选择确定祖先节点的方式和选择哪些变量作为染色体基因.对国际标准例题的仿真表明,该方法对算法初始值的选择不敏感,能显著提高模糊树模型的建模精度,在相同模型精度条件下,则可简化样本空间的划分,降低模型的计算量.

关键词：模糊树模型、Takagi-Sugeno模型、ANFIS、模糊聚类模型

所属期刊栏目：14

分类号：TP13(自动化基础理论)

资助基金：高等学校博士学科点专项科研基金;北京市自然科学基金

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：870-873,876