模糊逻辑、神经网络和遗传算法是当今人工智能领域的三大核心技术。如何将它们三者有机地结合起来,互补互利,协调地应用于一个系统中,更是当前研究的热点,是很有发展前景的研究课题。 本文首先对模糊推理系统、神经网络、遗传算法这三大智能技术作了较为系统的介绍。然后,在分析了模糊系统和神经网络各自特点的基础上,探论了它们几种不同的结合方式。本文主要研究了以结构等价型结合的,基于Sugeno模糊模型的自适应神经模糊推理系统(ANFIS)的结构及推理机制,并对其学习方法进行了详细分析。针对此方法基于梯度法学习易陷入局部极值的固有缺陷,本文提出了一种综合遗传算法、BP算法和最小二乘法优势的混合学习方法。这种新混合学习方法首先利用遗传算法得到ANFIS所有参数的一个全局近似最优解,然后再利用BP算法和最小二乘法分别对前提参数和结论参数进行细化调整。因此,它一方面改善了BP算法的收敛性,使ANFIS对专家知识的依赖性大为降低,提高了系统的智能化水平;另一方面有效的提高了遗传算法的搜索效率,强化了ANFIS的学习能力。本文还提出了利用这种新方法同时实现ANFIS结构和参数优化的具体设计方案。最后,本文通过两个仿真实例验证了这种新方法的有效性,仿真结果表明,它比原来的方法有更好的ANFIS参数学习效果。