模糊树
作为一个模糊系统输入的数量增加,增加的规则数量成倍增长。这个大规则库可以减少模糊系统的计算效率。这也使模糊系统的操作难以理解,它使规则和隶属函数参数的优化更加困难。因为许多应用程序有一个数量有限的训练数据,一个大的规则库可以减少调整模糊系统的普遍性。
为了克服这个问题,您可以实现一个模糊推理系统(FIS)的树小互联FIS对象而不是作为一个整体FIS对象。这些模糊树也被称为分层模糊系统由于模糊系统被安排在层次树结构。在一个树结构,低层模糊系统的输出作为输入高级模糊系统。模糊树计算效率和更容易理解比单个FIS相同数量的输入。
类型的层次结构
有几个模糊树结构,您可以使用您的应用程序。下图显示了常用的模糊树结构:增量、聚合、或级联结构。
增量式结构
在增量结构,输入值是包含在多个阶段细化输出值在几个水平。例如,前面的图显示了一个三级增量模糊树在模糊推理系统 ,在那里我表示指数的金融中间人n水平。在增量模糊树,我= 1,这意味着每一层只有一个模糊推理系统。在前面的图中,jth的输入我th FIS的n水平显示为输入 ,而kth的输出我th FIS的n水平显示为输入 。在图中,n= 3,j= 1或2,k= 1。如果每个输入米隶属度函数(MFs),每个金融中间人都有一组完整的米2规则。因此,规则的总数纳米2= 3×32= 27。
下面的图显示了一个单片(n= 1)FIS有四个输入(j= 1,2,3,4)和三个MFs (米= 3)。
在FIS的图中,规则的总数纳米4= 1×34= 81。因此,在树增量模糊规则的总数是线性的输入对。
输入增量模糊树中选择各级使用最终的输出输入排名根据他们的贡献值。输入值,贡献最通常使用的最低水平,而至少有影响力的最高层。换句话说,低秩输入值依赖于高级的输入值。
在增量模糊树,每个输入值通常有助于推理过程在某种程度上,不与其他投入显著相关。例如,一个模糊系统预测的可能性购买一辆汽车使用四个输入:颜色,门,马力和自动驾驶仪。输入四个不同的汽车功能,可独立影响买方的决定。因此,输入可以使用现有的排名数据构造一个模糊树,如下图所示。
的一个示例,演示了创建一个增量在MATLAB模糊树®,请参阅“创建增量FIS树”的例子fistree
参考页面。
聚合结构
在一个聚合结构,输入值合并为集团在最低水平,每个输入组在FIS的地方。低水平的模糊系统的输出相结合(聚合)使用更高级别的模糊系统。例如,下面显示了一个二级聚合模糊树在模糊推理系统 ,在那里我n表示指数的金融中间人n水平。
在这个模糊树进行聚合,我1= 1,2,我2= 1。因此,每一层包含一个不同数量的金融中间人。的jth的输入我nth FIS显示在图作为输入 ,kth的输出我nth FIS显示为输出 。在图中,j= 1,2,k= 1。换句话说,每个金融中间人有两个输入和一个输出。如果每个输入米MFs,那么每个FIS有完整的一套米2规则。因此,三个模糊规则系统的总数量是3米2= 3×32 = 27日,也就是作为增量FIS相似的配置。
在一个聚合的模糊树,输入值是特定决策自然组合在一起。例如,一个自主机器人导航任务结合无碰撞导航避障和目标达到子任务。实现导航任务,模糊树可以使用四个输入:距离最近的障碍,最接近角障碍,距离目标,和角度的目标。测量距离和角度对机器人的当前位置和方向。在最低水平,在这种情况下,输入自然组,如下图所示:障碍距离和障碍角度(组1)和目标距离和目标角(组2)。两个模糊系统分别处理个人组输入,然后另一个模糊系统结合输出生产机器人的无碰撞航向。
的一个示例,演示了创建一个聚合在MATLAB模糊树,看到的例子创建聚合FIS树fistree
参考页面。
聚合结构变化
在一个变化的称为聚合结构平行结构[1],体现模糊系统的输出直接总结生成最终的输出值。下面的图显示了一个示例的一个平行的模糊树,在输出的fis1
和fis2
总结产生最终的输出。
的fistree
对象不提供Σ求和节点。因此,您必须添加一个自定义聚合方法来评估一个平行的模糊树。例如,看到“创建和评估并行FIS树”的例子fistree
参考页面。
级联或组合结构
级联结构,也称为结构相结合,结合增量和聚合结构构建一个模糊树。该结构适用于一个系统,包括相关和不相关的输入。树组相关的输入在一个聚合结构,并添加不相关的输入增量结构。下面的图显示了一个级联树结构的一个例子,第一个四个输入分组成对的聚合结构和第五添加输入增量结构。
例如,考虑机器人导航任务中讨论聚合结构。假设任务包括另一个输入,前面的机器人的航向,考虑防止大型机器人航向的变化。你可以添加这个输入使用下图的增量式结构。
的一个示例,演示了创建一个聚合在MATLAB模糊树,看到“创建级联FIS树”的例子fistree
参考页面。
添加或删除FIS树输出
当你评估一个fistree
对象,它返回的结果只有打开输出,没有连接到任何FIS输入模糊树中。您可以选择访问其他输出树中。例如,在下图的聚合模糊树,你可能想要得到的输出fis2当你评估树。
您可以添加这样的输出fistree
对象。你也可以删除输出,提供模糊树总是至少有一个输出。例如,看到“更新FIS树输出”的例子fistree
参考页面。
使用相同的值的多个输入FIS树
一个fistree
多个输入对象允许使用相同的值。例如,在下图中,input2
的fis1
和input1
的fis2
在评估使用相同的值。
为一个例子,演示如何构建一个FIS树这样,看到“使用相同的值的多个输入FIS树”的例子fistree
参考页面。
更新模糊推理系统在FIS树
您可以添加或删除个人FIS的元素fistree
对象。当你这样做时,软件自动更新连接
,输入
,输出
的属性fistree
对象。例如,看到“更新模糊推理系统在FIS树”的例子fistree
参考页面。
优化模糊树
一旦你已经配置了内部连接模糊树,下一步是树的调优参数。例如,看到的曲调FIS树一加仑汽油所行驶的里程的预测。
引用
Siddique [1], Nazmul Hojjat埃德里。计算智能:协同效应的模糊逻辑、神经网络、进化计算。英国牛津大学:约翰·威利& Sons有限公司,2013年版。https://doi.org/10.1002/9781118534823。