新闻资讯

模糊推理[7]本质上就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定输出空间的计算过程，具有万能逼近性。人工神经网络[8]具有强大的自学习、自适应和非线性映射能力，模糊推理不具备自学习功能，但能很好地模拟人脑的推理功能。自适应神经模糊推理系统（adaptive neuro - fuzzy inference system, ANFIS )[9]充分利用了两者的优点，利用神经网络中一些行之有效的算法从经验数据中获取模糊规则和确定隶属函数，并可利用神经网络结构来实现模糊推理，将模糊推理的可解释性和神经网络的自适应、自学习能力进行有机结合。

应用模糊数学解决不确定的问题有其优越性，然而在模糊推理系统建立的过程中，其内部参数（如训练次数、聚类影响范围、接受率、拒绝率、学习方法等）设定的是否合理，会影响最终结果的精度。由于对神经模糊推理系统内部参数的调整是一个优化组合问题，而优化组合正是遗传算法之所长。在此，利用遗传算法优化自适应模糊推理系统的参数。