新制導炸彈智能控制系統的研究

構造非單點(diǎn)模糊系統初始參數：選取聚類(lèi)中心向量Xlc中的各個(gè)分量元素

作為式(2)中相應

的初始值;以

與最近的另一個(gè)聚類(lèi)中心歐式距離的一半

作為式(2)中

作為式(2)中相應的初始值;已知訓練數據含有大量噪聲的情況下，取

　　步驟2：(1)采用梯度下降算法調整參數

(推導過(guò)程省略)。

　　(2)同時(shí)采用遺傳算法搜索最佳參數

　　1)對參數編碼。以減法聚類(lèi)確定的初始參數值為參考，考慮參數的解空間在初始參數值的正負s倍范圍內，將解空間轉換為二進(jìn)制，對各參數進(jìn)行交叉組合編碼;

　　2)隨機生成20個(gè)個(gè)體作為初始群體;

　　3)將準則函數的數學(xué)期望E[φ(e(t))]映射為適應度函數

　　用該適應度函數對群體中個(gè)體的適應度進(jìn)行評估，當適應度達到標準Ff,max時(shí)，進(jìn)化停止;

　　4)遺傳操作：采用適應度比例方法進(jìn)行選擇，兩點(diǎn)交叉方法進(jìn)行交叉，采用基本變異算子進(jìn)行變異。

　　步驟3：梯度下降算法和遺傳算法之間的信息交換。遺傳算法每進(jìn)化q代，根據準則函數的數學(xué)期望E[φ(e(t))]比較遺傳算法和梯度下降算法所得參數的效果。若遺傳算法搜索到的參數更好，便用其作為梯度下降算法下一步運算的初始參數;若梯度下降算法得到的參數更好，便用其替代遺傳算法的當代群體中適應度最差的一個(gè)個(gè)體。

　　步驟4：當準則函數的數學(xué)期望E[φ(e(t))]達到標準1-Ff,max時(shí)，或者遺傳算法進(jìn)化g代時(shí)，算法停止。文中用準則函數在訓練數據時(shí)間長(cháng)度內的時(shí)間平均代替其數學(xué)期望進(jìn)行運算。

　　3 基于NSFIS的制導炸彈智能控制系統的仿真設計

　　按照文獻[1]的設計思想，在仿真環(huán)境中采用NSFIS設計制導炸彈智能控制系統。