智能控制复习(已整理)

1，模糊集合正态性定义如果模糊集合的核非空，则A是正态的。换句话说，我们总可以找到一个点xX,使MA（x）=1.2．模糊集合补定义模糊集合A的补表示A（－A，非A）定义为)(xA＝1－)(xA3．Kohonen自组织网络，CMAC，有监督学习？Kohonen自组织网络无监督学习的神经网络，CMAC有监督学习。4．遗传算法的图式定理在选择、交换、变异运算的作用下，确定位数少、定义长度短和适应度高的图式（也称组块）将按指数增长的规律，一代一代地增长。5．感知器与BAM网络层数感知器是多层的网络层数，BAM是由两层神经元网络组成6.在选择、交换、变异的作用下，若含图式H的染色体平均适应度高于当前种群的平均适应度，则图式H在下一代染色体中出现的机会将变大。（对）7.遗传算法二进制编码比十进制编码所包含的图式信息多。（对）8.神经元有强大的数据处理能力。（对）9.模糊控制的输出是一个模糊量。（错）10.遗传算法的重组运算降低了处于相近区域的个体的平均适应度值。（对）11.Kohonen自组织网络可用来数据聚类。（对）二1语言变量是多元组),,),(,(MGXxTx1语言变量是多元组),,),(,(MGXxTx：其中x是变量的名称；T（x）是x的术语的集合，即x的语言值名称的集合，每一个值定义在论域X中；G是产生x值名称的句法规则；M是与各值含义有关的语法规则。2P57模糊推理ByBythenAxifAx是结果（结论）是是（规则）前提是（事实）前提,21这里，A接近于A，B’接近于B。当A，B，A’和B’是适当论域中的模糊集合时，上述推理过程称之为近似推理或模糊推理，也称作广义的假言推理。3精英选择法是把群种中最优秀的个体直接复制到下一代.可以提高优秀个体对群种控制的速度,从而改善局部搜索,但损害了全局搜索能力.4Hopfield网络结构形式离散时间形式；连续时间形式5神经网络特征P103(1)非线性;(2)平行分布处理;(3)硬件实现;(4)学习和自适应性;(5)数据融洽;(6)多变量系统6、单片机中应用模糊控制一般不进行的操作是(B)A、标度变换B、模糊推理C、数字滤波D、查表7、神经元模型中不包括（B）A、加法器B、除法器C、静态非线性函数D、线性动态SISO系统8、神经元模型中没有的部分是（A）A、轴突B、权C、静态非线性函数D、线性动态SISO系统9、多点交换的描述正确的是（C）A、交换点为奇数B、交换点为偶数C、减少优良组块损失D、交换点越多越好三、1、模糊集合和经典集合的区别，举一例说明模糊概念答：经典集合具有精确的边界；而模糊集合没有精确地边界，它体现了用语言表达一种事物的灵活性很多样性。经典集合到模糊集合是从“属于一个集合”到“不属于一个集合”的逐渐过渡。比如我们说一个人‘个儿高’或‘个儿矮’，它没有精确的界限，不能说身高1.80米的人是‘高’，而1.79米的人是‘矮’，‘高’与‘矮’之间的界限是模糊的、平滑的。2、请说出模糊控制系统的模糊处理过程答：1）计算兼容度；2）求激励强度；3）求定性（演译）结果；4）求总输出结果。3、解释CMAC网络的泛化及泛化对基于CMAC网络的控制系统的的影响答：4、BP网络说明其逼近非线性函数的原理答：具有至少一个隐层的多层前馈网络，如果隐层单元足够多，那么，利用扁平激励函数和线性多项式集成函数，可以对任意感兴趣的函数逼成到任意精度。5、说出微种群算法和双种群算法相对于简单遗传算法的优越性答：(速度与全局性兼顾）用小规模的种群进行有效的多次全局搜索，避免早熟收敛，使算法以比较快的速度收敛到全局最优解。双种群算法:运算量小,而且几乎不陷入局部极小点,确实做到了全局搜索和局部化的平衡.6、说明微种群遗传算法原理答:随机产生小群种,对它进行遗传运算并收敛之后,把最好的个体传至下一代,产生新的群种,再进行遗传算法,如此反复,直到完成总体收敛.四、模糊集合运算已知成年男子身高论域U={130,140,150,160,170,180,190,200,210}={,9,8,7,6,5,4,3,2,1uuuuuuuuu}则有模糊集合[个子高]＝90.180.178.066.054.042.030.020.010.0uuuuuuuuu和[个子矮]＝90.080.070.060.051.043.035.027.010.1uuuuuuuuu求模糊集合[个子不高]，[个子高或个子矮]，[个子不高且个子不矮]五、模糊集合复合计算一个模糊系统输入输出关系由模糊关系R(X,Y)来描述，式中X={0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}，Y={0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}这个模糊关系由模糊隐含),min(BABA来实现，式中YBXA,。现在给定A和B如下：7.0/7.05.0/5.02.0/8.07.0/15.0/6.02.0/5.0BA输入为A:5.0/9.02.0/2.0A如果采用max-min复合规则，确定模糊系统输出（即B）六、BP网络仿真程序分析rands(S1,R);可得到一个S1*R的矩阵，其元素为（－1，1）均匀分布随机数，[w,b]=rands(S1,R)可得到一个S1*R矩阵和S1*1列矢量b,其元素为（－1，1）均匀分布随机数，[W1,B1]=rands(S1,R);[W2,B2]=rands(S2,S1);得到W1：S1×R矩阵,输入层的权值矩阵W2：S2×S1矩阵，输出层的权值矩阵及两个列向量B1：S1*B2：S2*1b1=B1*ones(1,21);把列向量B1的每一行扩展成1×21向量，数值重复，net=newcf(minmax(P),[5,1],{'tansig','purelin'},'traingd');%创建两层前向回馈网络net.trainParam.epochs=7000;%初始化训练次数net.trainParam.goal=9.5238e-004;%sse=0.02%初始化误差值net.trainParam.lr=0.15;[net,tr]=train(net,P,T);%训练网络Y=sim(net,P);%计算结果plot(P,Y,'r-')holdplot(P,T,'r+');holdoff七、简单遗传算法•问题抽象成遗传算法问题（1）这是一个最优的问题，初步判断可以抽象成一个遗传算法问题（2）把x看成染色体，[0，31]就是解空间;把看作适应度函数（3）染色体编码:x在[0，31]，所以可取五位2进制数作为编码方式步骤1）编码：确定二进制的位数；组成个体（染色体）步骤2）选择种群数P和初始个体，计算适应度值，P=20；步骤3）确定选择方法；交换率PC；变异率Pm。选择方法用竞争法；PC=0.7,Pm=0.05计算结果：①8代后，f(x,y)=0.998757,②41代后，f(x,y)=1.00000,x=3.000290,y=2.999924.1、基本模糊运算[个子不高]＝90.10.180.10.178.00.166.00.154.00.142.00.130.00.120.00.110.00.1uuuuuuuuu＝90.080.072.064.056.048.030.120.110.1uuuuuuuuu[个子不矮]＝90.00.180.00.170.00.160.00.151.00.143.00.135.00.127.00.110.10.1uuuuuuuuu＝90.180.170.160.159.047.035.023.010.0uuuuuuuuu[个子高或个子矮]＝90.10.080.10.078.00.066.00.054.01.042.03.030.05.020.07.010.00.1uuuuuuuuu＝90.180.178.066.054.043.035.027.010.1uuuuuuuuu[个子不高且个子不矮]＝90.10.080.10.070.12.060.14.059.06.047.08.035.00.123.00.110.00.1uuuuuuuuu＝2)(xxf位的二进制的值，的第是相应于。和分别为和的最大值和最小值。是和或是，精度二进制位数取决于运算nqbqqqqqyxqqbqqqqqnNnnnnn08,21212minmaxminmax10minminmaxminmax90.080.072.064.056.047.035.023.010.0uuuuuuuuu2、习题与思考题9)3.0,6.0,7.0,1(16.01.006.016.01.01.06.016.001.06.01)1.0,3.0,7.0,1()()()(相等是AlmostsmallXyR3、习题与思考题13（1）模糊隐含采用),max(BABA11111111111111111111007.005.0008.00011111111114.04.07.04.05.04.04.08.04.04.0111111111111111111115.05.07.05.05.05.05.08.05.05.011111111111111111111)}()),(1max{(),(007.005.0008.00011014.0115.011yxyxBABABA)4.04.07.04.05.04.04.08.04.04.0(11111111111111111111007.005.0008.00011111111114.04.07.04.05.04.04.08.04.04.0111111111111111111115.05.07.05.05.05.05.08.05.05.011111111111111111111)00009.0002.000()),(),(min(max)()(''''yxxyBAABBAAB00000000000000000000007.005.0008.0000000000000006.005.0006.00000000000000000000000005.005.0005.00000000000000000000000)}(),(min{),(),/()()(),min(007.005.0008.00000106.0005.000yxyxyxyxBABABABABAYXBA)006.005.0006.000(00000000000000000000007.005.0008.0000000000000006.005.0006.00000000000000000000000005.005.0005.00000000000000000000000)00009.0002.000()),(),(min(max)()(''''yxxyBAABBAAB