构建帕累托最优模糊系统的模糊建模方法

资 源 简 介

构建帕累托最优模糊系统的模糊建模方法

详 情 说 明

模糊系统建模中的帕累托最优方法探索

在复杂系统建模领域，模糊系统因其处理不确定性的能力而备受青睐。本文介绍了一种创新的多目标优化方法，用于构建帕累托最优模糊系统。该方法通过结合改进的模糊聚类技术和多目标遗传算法，实现了精度、规则简洁性和计算效率的平衡。

核心方法分为两个关键阶段：在初始阶段，采用改进的模糊聚类算法进行系统识别。该算法不仅优化了前件参数，还专门设计了后件结构以降低计算复杂度。这种分而治之的策略显著提升了初始化效率，为后续优化奠定了高质量起点。

第二阶段引入NSGA-Ⅱ多目标遗传算法，配合可解释性驱动的简化技术。通过迭代进化过程，同时优化三个相互制约的指标：模型预测精度、模糊规则数量和模糊集合数量。这种多目标优化框架能够生成一组帕累托最优解，每个解代表不同优化目标之间的最佳折衷方案。

该方法在基准测试问题上表现出色，验证了其两大优势：一是改进的初始化策略有效降低了计算负担，二是多目标优化机制确保了最终模型兼具高精度和良好的可解释性。这种建模思路为需要平衡多个性能指标的复杂系统设计提供了新的技术路径。