基于平均逻辑相似度的α-反向三I算法的鲁棒性
2018-08-01惠小静
计算机工程与应用 2018年15期
王 蓉,惠小静,井 美
延安大学 数学与计算机科学学院,陕西 延安 716000
1 引言
模糊控制的理论基础是模糊推理,1973年,Zadeh提出了模糊推理的CRI[1]算法,但是CRI算法不具有还原性且缺乏严格的逻辑基础。因此,我国学者王国俊教授等提出了模糊推理的三I[2]算法,该算法有良好的逻辑基础。因此诸多学者对此进行了研究,文献[3]提出反向三I支持算法和反向三I约束算法理论;文献[4]研究了基于反向支持度的三I算法;文献[5]研究了基于反向三I约束算法等。
设L是模糊推理系统,A是L中的模糊输入,B是L中的模糊输出。如果模糊输入A的微小偏差不会对模糊输出B产生很大的影响,则称模糊推理系统L具有良好的鲁棒性。鲁棒性问题与控制系统的相对稳定性有着密切的联系,因此许多学者对此进行了研究。文献[6]介绍了模糊集扰动的概念;文献[7]研究了CRI算法的鲁棒性;文献[8]研究了三I算法的鲁棒性。文献[9]用灵敏度的方法讨论了模糊推理的鲁棒性;文献[10]基于Minkowski距离研究了模糊推理的鲁棒性;文献[11]基于Moore距离研究了区间值模糊推理三I算法的鲁棒性。
用什么去衡量两个模糊集之间的偏差,文献[12]提出一种新的衡量模糊集之间远近程度的扰动参数,即极小逻辑相似度,极小逻辑相似度最终是用取小算子去对原始数据进行聚合,这样容易导致信息丢失。因此文献[13]是在极小相似度的基础上提出了一种新的扰动参数:平均逻辑相似度,采用平均逻辑相似度对原始数据做了更精细的处理,比极小相似度保留更多信息,其所得到的结果越精确。……
登录APP查看全文
