智能控制復(fù)習(xí)(已整理)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)1，模糊集合正態(tài)性定義如果模糊集合的核非空，則A是正態(tài)的。換句話說(shuō)，我們總可以找到一個(gè)點(diǎn) X ,使 MA（x）=1.2模糊集合補(bǔ)定義模糊集合A的補(bǔ)表示（A，非A）定義為13Kohonen自組織網(wǎng)絡(luò)，CMAC，有監(jiān)督學(xué)習(xí)？Kohonen自組織網(wǎng)絡(luò)無(wú)監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，CMAC有監(jiān)督學(xué)習(xí)。4遺傳算法的圖式定理在選擇、交換、變異運(yùn)算的作用下，確定位數(shù)少、定義長(zhǎng)度短和適應(yīng)度高的圖式（也稱組塊）將按指數(shù)增長(zhǎng)的規(guī)律，一代一代地增長(zhǎng)。5感知器與BAM網(wǎng)絡(luò)層數(shù)感知器是多層的網(wǎng)絡(luò)層數(shù)，B

2、AM是由兩層神經(jīng)元網(wǎng)絡(luò)組成6.在選擇、交換、變異的作用下，若含圖式H的染色體平均適應(yīng)度高于當(dāng)前種群的平均適應(yīng)度，則圖式H在下一代染色體中出現(xiàn)的機(jī)會(huì)將變大。（對(duì)）7.遺傳算法二進(jìn)制編碼比十進(jìn)制編碼所包含的圖式信息多。（對(duì)）8.神經(jīng)元有強(qiáng)大的數(shù)據(jù)處理能力。（對(duì)）9.模糊控制的輸出是一個(gè)模糊量。（錯(cuò)）10.遺傳算法的重組運(yùn)算降低了處于相近區(qū)域的個(gè)體的平均適應(yīng)度值。（對(duì)）11.Kohonen自組織網(wǎng)絡(luò)可用來(lái)數(shù)據(jù)聚類。（對(duì)）二1 語(yǔ)言變量是多元組1 語(yǔ)言變量是多元組：其中x是變量的名稱；T（x）是x的術(shù)語(yǔ)的集合，即x的語(yǔ)言值名稱的集合，每一個(gè)值定義在論域X中；G是產(chǎn)生x值名稱的句法規(guī)則；M是與各值含義有

3、關(guān)的語(yǔ)法規(guī)則。2 P57模糊推理 這里，接近于A，B接近于B。當(dāng)A，B，A和B是適當(dāng)論域中的模糊集合時(shí)，上述推理過(guò)程稱之為近似推理或模糊推理，也稱作廣義的假言推理。3 精英選擇法是把群種中最優(yōu)秀的個(gè)體直接復(fù)制到下一代.可以提高優(yōu)秀個(gè)體對(duì)群種控制的速度,從而改善局部搜索,但損害了全局搜索能力.4 Hopfield網(wǎng)絡(luò)結(jié)構(gòu)形式離散時(shí)間形式；連續(xù)時(shí)間形式5 神經(jīng)網(wǎng)絡(luò)特征P103(1)非線性;(2)平行分布處理;(3)硬件實(shí)現(xiàn);(4)學(xué)習(xí)和自適應(yīng)性;(5)數(shù)據(jù)融洽;(6)多變量系統(tǒng)6、單片機(jī)中應(yīng)用模糊控制一般不進(jìn)行的操作是(B)A、標(biāo)度變換 B、模糊推理 C、數(shù)字濾波 D、查表7、神經(jīng)元模型中不包括（

4、B）A、加法器 B、 除法器 C、靜態(tài)非線性函數(shù) D、線性動(dòng)態(tài)SISO系統(tǒng)8、神經(jīng)元模型中沒(méi)有的部分是（A）A、軸突 B、權(quán) C、靜態(tài)非線性函數(shù) D、線性動(dòng)態(tài)SISO系統(tǒng)9、多點(diǎn)交換的描述正確的是（C）A、交換點(diǎn)為奇數(shù) B、交換點(diǎn)為偶數(shù) C、減少優(yōu)良組塊損失 D、交換點(diǎn)越多越好三、1、模糊集合和經(jīng)典集合的區(qū)別，舉一例說(shuō)明模糊概念答：經(jīng)典集合具有精確的邊界；而模糊集合沒(méi)有精確地邊界，它體現(xiàn)了用語(yǔ)言表達(dá)一種事物的靈活性很多樣性。經(jīng)典集合到模糊集合是從“屬于一個(gè)集合”到“不屬于一個(gè)集合”的逐漸過(guò)渡。比如我們說(shuō)一個(gè)人個(gè)兒高或個(gè)兒矮，它沒(méi)有精確的界限，不能說(shuō)身高1.80米的人是高，而1.79米的人是矮，

5、高與矮之間的界限是模糊的、平滑的。2、請(qǐng)說(shuō)出模糊控制系統(tǒng)的模糊處理過(guò)程答： 1）計(jì)算兼容度； 2）求激勵(lì)強(qiáng)度； 3）求定性（演譯）結(jié)果； 4）求總輸出結(jié)果。3、解釋CMAC網(wǎng)絡(luò)的泛化及泛化對(duì)基于CMAC網(wǎng)絡(luò)的控制系統(tǒng)的的影響答：4、BP網(wǎng)絡(luò)說(shuō)明其逼近非線性函數(shù)的原理答：具有至少一個(gè)隱層的多層前饋網(wǎng)絡(luò)，如果隱層單元足夠多，那么，利用扁平激勵(lì)函數(shù)和線性多項(xiàng)式集成函數(shù)，可以對(duì)任意感興趣的函數(shù)逼成到任意精度。5、說(shuō)出微種群算法和雙種群算法相對(duì)于簡(jiǎn)單遺傳算法的優(yōu)越性答：(速度與全局性兼顧 ）用小規(guī)模的種群進(jìn)行有效的多次全局搜索，避免早熟收斂，使算法以比較快的速度收斂到全局最優(yōu)解。雙種群算法:運(yùn)算量小,而

6、且?guī)缀醪幌萑刖植繕O小點(diǎn),確實(shí)做到了全局搜索和局部化的平衡.6、說(shuō)明微種群遺傳算法原理答:隨機(jī)產(chǎn)生小群種,對(duì)它進(jìn)行遺傳運(yùn)算并收斂之后,把最好的個(gè)體傳至下一代,產(chǎn)生新的群種,再進(jìn)行遺傳算法,如此反復(fù),直到完成總體收斂.四、模糊集合運(yùn)算已知成年男子身高論域U=130,140,150,160,170,180,190,200,210=則有模糊集合個(gè)子高和個(gè)子矮求模糊集合個(gè)子不高，個(gè)子高或個(gè)子矮，個(gè)子不高且個(gè)子不矮五、模糊集合復(fù)合計(jì)算一個(gè)模糊系統(tǒng)輸入輸出關(guān)系由模糊關(guān)系R(X,Y)來(lái)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.

7、4,0.5,0.6,0.7,0.8,0.9這個(gè)模糊關(guān)系由模糊隱含來(lái)實(shí)現(xiàn)，式中。現(xiàn)在給定A和B如下： 輸入為: 如果采用max-min復(fù)合規(guī)則，確定模糊系統(tǒng)輸出（即）六、BP網(wǎng)絡(luò)仿真程序分析rands(S1,R);可得到一個(gè)S1*R的矩陣，其元素為（1，1）均勻分布隨機(jī)數(shù)，w,b=rands(S1,R)可得到一個(gè)S1*R矩陣和S1*1列矢量b, 其元素為（1，1）均勻分布隨機(jī)數(shù)，W1,B1=rands(S1,R); W2,B2=rands(S2,S1); 得到 W1：S1R矩陣,輸入層的權(quán)值矩陣 W2：S2S1矩陣，輸出層的權(quán)值矩陣 及兩個(gè)列向量B1：S1* B2：S2*1b1=B1*ones(

8、1,21);把列向量B1的每一行擴(kuò)展成121向量，數(shù)值重復(fù)，net=newcf(minmax(P),5,1,tansig,purelin,traingd); %創(chuàng)建兩層前向回饋網(wǎng)絡(luò)net.trainParam.epochs=7000; %初始化訓(xùn)練次數(shù)net.trainParam.goal=9.5238e-004; % sse=0.02 %初始化誤差值net.trainParam.lr = 0.15; net,tr=train(net,P,T); %訓(xùn)練網(wǎng)絡(luò)Y=sim(net,P) ; %計(jì)算結(jié)果plot(P,Y,r-) holdplot(P,T,r+);hold off七、簡(jiǎn)單遺傳算法問(wèn)題抽象成遺傳算法問(wèn)題（1）這是一個(gè)最優(yōu)的問(wèn)題，初步判斷可以抽象成一個(gè)遺傳算法問(wèn)題（2）把x看成染色體，0，31就是解空間; 把 看作適應(yīng)度函數(shù)（3）染色體編碼 : x在0，31，所以可取五位2進(jìn)制數(shù)作為編碼方式步驟1）編碼：確定二進(jìn)制的位數(shù)；組成個(gè)體（染色體）步驟2）選擇種群數(shù)P 和初始個(gè)體，計(jì)算適應(yīng)度值，P = 20；步驟3）確定選擇方法；交換率PC；變異率Pm。選擇方法用競(jìng)爭(zhēng)法； PC =