面向模糊知识带定向进化策略的融合方法研究

针对模糊知识遗传融合方法中随机性较强弱化了知识内涵对进化的指导意义和变异交叉算子可能破坏模糊规则和隶属函数逻辑含义的问题，提出基于个体进化方向和定向繁殖策略的进化融合算法框架。编码表示模型采用分组定长混合编码的思路，便于简化进化方向的设计，并减少后续操作的约束条件；融合结果性能评价指标体系中增加对查全率和查准率的考量，以提高适应度函数的客观性；进化过程用定向繁殖算子替换传统的变异和交叉算子，可根据原规则的内涵按设定结构特征控制生成融合规则，提高了融合过程中模糊知识内涵对进化的指导，选择操作考虑到适应度梯度，降低了随机性对融合操作逻辑性的影响。对模糊知识库的评价、约简和优化，以及分布式环境下的多源模糊知识集成、共享和协同服务等方面具有较为重要的意义。

本项目主要研究模糊知识的编码表示模型、基于定向进化策略的融合算法和融合结果的评价模型。对模糊知识库的生成和优化进行分析，提出了一个用于生成模糊规则集的基于模糊C均值聚类的改进WM方法和一个基于样本相关度和SOM的改进型WM算法；基于定向策略，对进化融合算法进行研究，提出一个基于定向策略和隶属云模型的自适应差分进化算法和一个基于并行粒子群优化算法的模糊关联规则挖掘方法，提出一种对粒子群优化算法的惯性参数、加速因子改进策略，并将其应用于不相关多源频域载荷识别；将基于粒子群优化算法的模糊知识融合用于编程学习风格诊断问题，针对结构化的XML天气数据进行知识融合处理。研究执行过程严格按照计划进行。原计划发表论文9篇，其中2篇SCI，现实际发表论文10篇，其中第一作者SCI期刊发表3篇；原计划申报1项发明专利和1项计算机软件著作权，现实际申报1项发明专利和1项计算机软件著作权。