论文部分内容阅读
本文研究了利用强化学习自动调节模糊神经网络的结构问题。应用强化学习算法，可以根据每条规则的推理强度度量其在调节系统中所起的作用，最终确定每条模糊规则的取舍，仿真结果表明，在实时系统中这种方式比模糊K均值聚类和自组织竞争神经网络等传统辨识方法具有更好的适应性。在此基础上，本文提出了两种提高调节品质的方法：在建立规则时，将强化学习的智能试探功能用于模糊控制规则的搜索，提高生成规则的质量；删除无用规则时，采用逐步减少隶属函数宽度的方法加强调节系统的稳定性，最后通过仿真证明算法的有效性。