论文摘要
模糊Petri网是基于模糊产生式规则知识库系统的良好建模工具,但自学习能力差是模糊系统的一个缺陷。模糊产生式规则中的一些参数,例如权值﹑阀值﹑确信度的确定在很大程度上依赖于人的经验,难以精确获得,这阻碍了模糊Petri网的知识推理和泛化能力。如何把神经网络的学习功能结合进模糊Petri网,使得模糊Petri网经过一批样本的学习和训练后,一方面具有一定泛化功能,另一方面摆脱构建FPN模型时产生式规则的参数对经验的依赖,使参数更符合实际系统情况,这就是本文要重点讨论的FPN学习能力的问题。另外,如何根据一具体实例约简模糊Petri网,使其更符合实际应用的需要,也是本文要探讨的另一问题。该文在探讨模糊Petri网构建过程中的约简步骤,并深入分析FPN推理机制的基础上,将人工智能领域的四种优化算法——遗传(GA)﹑BP﹑蚁群(ACA)﹑克隆选择(CSA)引入至FPN参数寻优过程中来,针对一知识库系统的具体问题,对比分析了各优化算法的特点和性能优劣。仿真实验表明,运用其中的ACA算法训练出的参数正确率较高,整体性能最佳,且所得的模糊Petri网具有较强的泛化能力和自适应功能。
论文目录
摘要ABSTRACT第一章 绪论1.1 课题背景及研究意义1.2 研究动态及现状分析1.3 本课题研究任务和创新点1.4 本论文的结构安排第二章 Petri 网理论基础2.1 Petri 网的基本概念2.2 Petri 网中事件间的基本关系2.3 Petri 网的特点第三章 模糊Petri 网3.1 模糊Petri 网的基本概念3.1.1 模糊Petri 网的定义3.1.2 模糊产生式规则的表示3.2 模糊Petri 网的约简技术3.3 模糊Petri 网的推理算法3.3.1 基于图形描述能力的模糊Petri 网及其推理算法3.3.2 基于形式化推理的模糊Petri 网及其推理算法3.3.3 新型模糊Petri 网及其推理算法3.3.4 本文采用的模糊推理函数第四章 优化算法在模糊Petri 网中的应用及实现4.1 函数说明4.2 遗传算法4.2.1 遗传算法的基本应用4.2.2 遗传算法在模糊Petri 网中的应用及实现4.3 BP 算法4.3.1 BP 算法的基本应用4.3.2 BP 算法在模糊Petri 网中的应用及实现4.4 蚁群算法4.4.1 蚁群算法的基本应用4.4.2 蚁群算法在模糊Petri 网中的应用及实现4.5 免疫算法4.5.1 免疫算法的基本应用4.5.2 免疫算法在模糊Petri 网中的应用及实现第五章 仿真实验5.1 进化过程比较5.2 算法速度比较5.3 参数及推理结果比较5.4 实验小结结论与展望总结进一步的工作及展望参考文献致谢附录A(攻读硕士学位期间发表论文目录)详细摘要
相关论文文献
标签:模糊网论文; 模糊推理机制论文; 遗传算法论文; 算法论文; 蚁群算法论文; 克隆选择算法论文;