基于相似度的模糊推理算法研究.pdf

1、模糊推理是基于模糊集理論的一種不確定性推理方法,它是設計和分析模糊專家系統(tǒng)、模糊控制系統(tǒng)和模糊智能決策系統(tǒng)的理論基礎和重要工具。目前很多模糊推理算法都是在“推理合成方法”的基礎上發(fā)展而來的。從邏輯語義蘊涵的角度看,“合成推理方法”中的復合運算是缺乏根據的。而基于相似度的模糊推理方法不需要建立兩個模糊集合之間的模糊關系,該方法是通過計算輸入與規(guī)則前件的相似度,得出輸入樣本屬于某類別的確定性因子,并由此確定適當?shù)妮敵?。關于這類推理方法的研究

2、,在理論和實際應用上已經取得了長足的進展,但是值得深入探討的課題還有許多。
　　 本論文的主要研究工作與結果如下:
　　 1.提出了新的基于相似度的模糊推理算法,并討論了該算法的連續(xù)性、逼近性問題,同時也考慮了它的誤差傳播特性,及規(guī)則攝動性問題。
　　 2.運用模糊Petri網進行模糊推理,有利于知識表示結構化,推理過程清晰化,且具有高度的并行處理能力。因此,將相似度推理算法與Petri網相結合,解決了模糊Pet

3、ri網的token值都是由專家指定或假設得到的問題,同時避免了模糊統(tǒng)計法計算復雜的缺點。且該算法只對部分貼近度比較高的規(guī)則進行規(guī)則合成,避免了變遷優(yōu)先級的篩選。我們根據帶標識的模糊Petri網變遷觸發(fā)規(guī)則,使推理過程圖形化,便于從Petri網的角度進一步分析模糊Petri網。
　　 3.將模糊推理算法運用到模糊控制中去,通過模糊控制系統(tǒng)仿真,從推理結果、推理運算速度及控制仿真效果三個方面比較分析各種算法的優(yōu)越性。實驗結果表明,基