Please choose your delivery country and your customer group
Die evolutionäre Optimierung eines Neuro-Fuzzy-Systems wird in einer regelungstechnischen Anwendung behandelt. Der Algorithmus bestimmt sowohl die Lage und Gestalt der Membershipfunktionen als auch die Regelstruktur und deckt somit alle Entwurfsentscheidungen beim Aufbau einer Fuzzy Regelung ab. Hieraus ergibt sich ein gemischtes Optimierungsproblem mit binären, ganzzahligen und kontinuierlichen Parametern, das den meisten Optimierungsverfahren unzugänglich ist. Evolutionsstrategien und genetische Algorithmen bieten durch das gemeinsame Prinzip der Evolution ein geschlossenes Konzept für gemischt-ganzzahlige Optimierung. Mit diesem neuen Ansatz wird gezeigt, daß der Algorithmus sowohl überflüssige Regeln als auch redundante Eingangsgrößen aus der Fuzzy-Struktur eliminiert, und auch bei stochastischen Störungen robust gegen kleine Neuro-Fuzzy-Systeme konvergiert.