新制導(dǎo)炸彈智能控制系統(tǒng)的研究
構(gòu)造非單點模糊系統(tǒng)初始參數(shù):選取聚類中心向量Xlc中的各個分量元素
作為式(2)中相應(yīng)
的初始值;以
與最近的另一個聚類中心歐式距離的一半
作為式(2)中
作為式(2)中相應(yīng)的初始值;已知訓(xùn)練數(shù)據(jù)含有大量噪聲的情況下,取
步驟2:(1)采用梯度下降算法調(diào)整參數(shù)
(推導(dǎo)過程省略)。
(2)同時采用遺傳算法搜索最佳參數(shù)
1)對參數(shù)編碼。以減法聚類確定的初始參數(shù)值為參考,考慮參數(shù)的解空間在初始參數(shù)值的正負(fù)s倍范圍內(nèi),將解空間轉(zhuǎn)換為二進(jìn)制,對各參數(shù)進(jìn)行交叉組合編碼;
2)隨機生成20個個體作為初始群體;
3)將準(zhǔn)則函數(shù)的數(shù)學(xué)期望E[φ(e(t))]映射為適應(yīng)度函數(shù)
用該適應(yīng)度函數(shù)對群體中個體的適應(yīng)度進(jìn)行評估,當(dāng)適應(yīng)度達(dá)到標(biāo)準(zhǔn)Ff,max時,進(jìn)化停止;
4)遺傳操作:采用適應(yīng)度比例方法進(jìn)行選擇,兩點交叉方法進(jìn)行交叉,采用基本變異算子進(jìn)行變異。
步驟3:梯度下降算法和遺傳算法之間的信息交換。遺傳算法每進(jìn)化q代,根據(jù)準(zhǔn)則函數(shù)的數(shù)學(xué)期望E[φ(e(t))]比較遺傳算法和梯度下降算法所得參數(shù)的效果。若遺傳算法搜索到的參數(shù)更好,便用其作為梯度下降算法下一步運算的初始參數(shù);若梯度下降算法得到的參數(shù)更好,便用其替代遺傳算法的當(dāng)代群體中適應(yīng)度最差的一個個體。
步驟4:當(dāng)準(zhǔn)則函數(shù)的數(shù)學(xué)期望E[φ(e(t))]達(dá)到標(biāo)準(zhǔn)1-Ff,max時,或者遺傳算法進(jìn)化g代時,算法停止。文中用準(zhǔn)則函數(shù)在訓(xùn)練數(shù)據(jù)時間長度內(nèi)的時間平均代替其數(shù)學(xué)期望進(jìn)行運算。
3 基于NSFIS的制導(dǎo)炸彈智能控制系統(tǒng)的仿真設(shè)計
按照文獻(xiàn)[1]的設(shè)計思想,在仿真環(huán)境中采用NSFIS設(shè)計制導(dǎo)炸彈智能控制系統(tǒng)。
評論