Đang tải... (xem toàn văn)
(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ(Luận văn thạc sĩ) Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ
ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG ĐỒN TRỌNG HIẾU PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG TRONG ĐIỀU KHIỂN MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN - 2020 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG ĐỒN TRỌNG HIẾU PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG TRONG ĐIỀU KHIỂN MỜ Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 8.48.01.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS NGUYỄN DUY MINH THÁI NGUYÊN - 2020 i LỜI CAM ĐOAN Tôi xin cam đoan kết đạt luận văn sản phẩm cá nhân hướng dẫn khoa học TS Nguyễn Duy Minh Trong toàn nội dung luận văn, nội dung trình bày cá nhân tổng hợp từ nhiều nguồn tài liệu khác Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp Tơi xin chịu trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan Thái Nguyên, tháng năm 2020 Tác giả Đoàn Trọng Hiếu ii LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành đến TS Nguyễn Duy Minh - người hướng dẫn khoa học, thầy định hướng nhiệt tình hướng dẫn, giúp đỡ em trình làm luận văn Em xin gửi lời biết ơn sâu sắc đến quý thầy cô giáo trường Đại học Công nghệ thông tin Truyền thông; Viện công nghệ thông tin thuộc Viện hàn lâm Khoa học Công nghệ Việt Nam truyền đạt kiến thức kinh nghiệm quý báu cho chúng em thời gian học tập Xin chân thành cảm ơn bạn bè, đồng nghiệp, ban cán học viên lớp cao học CK15, người thân gia đình động viên, chia sẻ, tạo điều kiện giúp đỡ suốt trình học tập làm luận văn Thái Nguyên, tháng năm 2020 Tác giả Đoàn Trọng Hiếu iii MỤC LỤC MỤC LỤC iii DANH MỤC BẢNG vi DANH MỤC HÌNH vii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT viii MỞ ĐẦU CHƯƠNG 1: GIỚI THIỆU MỘT SỐ KIẾN THỨC CƠ SỞ 1.1 Biến ngôn ngữ, mơ hình mờ 1.1.1 Biến ngôn ngữ 1.1.2 Mơ hình mờ 1.2 Đại số gia tử 1.2.1 Độ đo tính mờ giá trị ngơn ngữ 1.2.2 Hàm định lượng ngữ nghĩa 10 1.2.3 Đại số gia tử tuyến tính đầy đủ 12 1.2.4 Khái niệm ngưỡng hiệu chỉnh định lượng ngữ nghĩa 14 1.3 Phương pháp lập luận xấp xỉ mờ đa điều kiện 15 1.4 Bài toán tối ưu giải thuật di truyền 17 1.4.1 Bài toán tối ưu .17 1.4.2 Giải thuật di truyền 18 1.4.2.1 Các khái niệm giải thuật di truyền 18 1.4.2.2 Cơ chế thực giải thuật di truyền 22 1.4.2.3 Các phương pháp biểu diễn nhiễm sắc thể toán tử di truyền chuyên biệt 25 iv 1.4.2.4 Biểu diễn thực 25 1.4.2.5 Các toán tử chuyên biệt hoá 26 1.5 Kết luận Chương 28 CHƯƠNG 2: GIẢI PHÁP NHÚNG GA VỚI PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ 29 2.1 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử 29 2.2 Các giải pháp tối ưu tham số định lượng ngữ nghĩa 32 2.3 Các giải pháp xác định tham số định lượng ngữ nghĩa tối ưu 36 2.3.1 Giải pháp tối ưu tham số đại số gia tử 36 2.3.2 Giải pháp xác định mơ hình định lượng ngữ nghĩa tối ưu 37 2.3.2.1 Phân tích ảnh hưởng tham số hiệu chỉnh 37 2.3.2.2 Thuật toán xác định mơ hình định lượng ngữ nghĩa tối ưu 38 2.4 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử dựa mơ hình định lượng ngữ nghĩa tối ưu 40 2.4.1 Vấn đề xác định giá trị định lượng ngữ nghĩa tối ưu 40 2.4.2 Sử dụng tham số hiệu chỉnh tối ưu cho phương pháp lập luận xấp xỉ mờ dựa đại số gia tử .41 2.5 Tổng kết Chương 43 CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ TRONG ĐIỀU KHIỂN 45 3.1 Phương pháp điều khiển mờ truyền thống 45 3.1.1 Phương pháp lập luận mờ điều khiển mờ 45 3.1.2 Phương pháp xây dựng điều khiển mờ dựa luật 45 3.1.3 Phương pháp xây dựng điều khiển mờ dựa mơ hình 45 v 3.1.4 Phương pháp xây dựng điều khiển thông minh dựa tri thức logic mờ 45 3.1.5 Bộ điều khiển mờ truyền thống 50 3.2 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử điều khiển 50 3.3 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử với mơ hình định lượng ngữ nghĩa tối ưu điều khiển 53 3.4 Ứng dụng h xấp xỉ mơ hình thực nghiệm xác định theo cơng thức sau: Tác giả xác định toán tử kéo theo cho kết lập luận xấp xỉ tốt nhất, kết thể Bảng 3.2 Hình 3.3 Đường cong thực nghiệm mơ hình EX1 Bảng 3.2 Các kết xấp xỉ EX1 tốt Cao-Kandel [9] Phương pháp PP Cao-Kandel với toán tử kéo theo 5* PP Cao-Kandel với toán tử kéo theo 22* PP Cao-Kandel với toán tử kéo theo Sai số lớn mơ hình EX1 200 200 300 PP Cao-Kandel với toán tử kéo theo 25 300 PP Cao-Kandel với toán tử kéo theo 31 300 57 Sử dụng phương pháp điều khiển CFOPHA để xấp xỉ mơ hình EX1 Cao-Kandel Các bước thực sau: Bước 1: Xây dựng ĐSGT cho biến ngôn ngữ Xây dựng ĐSGT AI cho biến I AN cho biến N gồm: - Tập phần tử sinh: {Small, Medium, Lagre} - Tập gia tử: {Litle, Very} Chuyển giá trị ngơn ngữ mơ hình mờ sang giá trị ngôn ngữ ĐSGT cho biến I N sau - Đối với biến I: Null →VeryVery Small; Zero → VerySmall; Small → Small; Medium → Medium; Large→ Large; VeryLarge → VeryLarge - Đối với biến N: Zero→ VerySmall; Small→Small; Medium→ Medium; Large→ Large; VeryLarge→ VeryLarge Bước Các tham số ĐSGT xác định trực giác sau: fmI(Small) = 0.5; fmN(Small) = 0.5; N(Very) = 0.5; I(Very) = 0.5 Sử dụng hàm ĐLNN, ta có: - Đối với biến I ta có: I(VeryVerySmall) = 0.0625; I(VerySmall) = 0.125; I(Small) = 0.25; I(Medium) = 0.5; I(Large) = 0.75; I(VeryLarge) = 0.875 - Đối với biến N ta có: N(VerySmall) = 0.125; N(Small) = 0.25; N(Medium) = 0.5; N(Large) = 0.75; N(VeryLarge) = 0.875 58 Áp dụng Định lý 1.5 xác định ngưỡng hiệu chỉnh giá trị ngôn ngữ - Đối với biến I: có độ sâu k = 3, ngưỡng hiệu chỉnh ĐLNN I = 0.03125 - Đối với biến N: có độ sâu k = 2, ngưỡng hiệu chỉnh ĐLNN N = 0.0625 Chuyển đổi mơ hình FAM sang mơ hình SAM, Bảng 3.4 Bảng 3.3 Mơ hình SAM gốc - xấp xỉ mơ hình EX1 Is 0.0625 0.125 0.25 0.5 0.75 0.875 Ns 0.875 0.75 0.5 0.25 0.125 0.125 Như có 11 tham số hiệu chỉnh khác ảnh hưởng tới phương pháp lập luận mờ dựa ĐSGT toán Bộ tham số hiệu chỉnh giá trị ĐLNN là: PAR2 ={Ii, i =1,…,6; Ni , i =7,…,11} với điều kiện: |Ii| < 0.03125 với i = 1, ,6 cho biến I |Ni| < 0.0625 với i = 7, ,11 cho biến N Mơ hình SAM (PAR2) Bảng 3.5 Bảng 3.4 Mơ hình SAM (PAR2) – xấp xỉ mơ hình EX1 Is 0.0625+I1 0.125+I2 Ns 0.875 +N7 0.75+N8 0.25 +I3 0.5 + I4 0.75 + I5 0.875 +I6 0.5+N9 0.25 +N10 0.125+N11 0.125+N11 Bước Sử dụng mạng phép nội suy tuyến tính kinh điển bề mặt mơ hình SAM(PAR2) Bước Xác định đầu - Trước hết ta cho đầu vào giá trị I từ đến 10 với bước nhảy 0.5 - Định lượng giá trị thực giải định lượng thực theo Công thức 2.1 2.2 với: s0 = 0.0625+I1, s1 = 0.875 +I6 x0 = 0, x1 = 10 cho biến I s0 = 0.875 +N7, s1 = 0.125+N11 x0 = 2000, x1 =480 cho biến N Sử dụng giải thuật di truyền đề cập chương 1, cực tiểu hàm e (Công thức 3.1) với số hệ 300, xác suất lai ghép 0.80; xác suất đột biến 0.05; kích cỡ quần thể 40; kích thước cá thể 10 Qua số lần chạy thử MATLAB, ta xác định PAR2 kết xấp xỉ mơ hình EX1 Cao-Kandel là: 59 PAR2={-0.031006;0.011455;0.028501;0.014205;-0.004979; -0.031006;-0.059445;0.016312;0.061034;0.052969;-0.056024} e(EX1, OPHA) = 37.901974 (3.6) Trong phương pháp tối ưu tham số tối ưu tài liệu [13] có kết là: e(EX1) = 62 (3.7) Hình 3.4 Kết xấp xỉ mơ hình EX1 Cao Kandel Hình 3.4 đường cong xấp xỉ mơ hình EX1 Cao-Kandel phương pháp lập luận với tham số tối ưu [13] phương pháp OPHA Bảng 3.5 Sai số lớn phương pháp mơ hình EX1 Sai số lớn Phương pháp mơ hình EX1 Phương pháp Cao-Kandel với toán tử kéo theo 5* [9] 200 Phương pháp Cao-Kandel với toán tử kéo theo 22* [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo 25 [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo 31 [9] 300 Phương pháp LLXX mờ dựa ĐSGT (FCHA) [10] 292 Phương pháp điều khiển sử dụng tối ưu tham số [10] 62 Phương pháp điều khiển mờ sử dụng FCOPHA) 37.901974 ... CHƯƠNG 2: GIẢI PHÁP NHÚNG GA VỚI PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ 29 2.1 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử 29 2.2 Các giải pháp tối ưu tham số định lượng... LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ TRONG ĐIỀU KHIỂN 45 3.1 Phương pháp điều khiển mờ truyền thống 45 3.1.1 Phương pháp lập luận mờ điều khiển mờ 45 3.1.2 Phương pháp xây dựng điều. .. ĐSGT Luận văn phân tích kỹ gải pháp xây dựng phương pháp lập luận xấp xỉ tối ưu dựa ĐSGT Về ứng dụng: Cài đặt phương pháp lập luận xấp xỉ mờ dựa ĐSGT với mơ hình ĐLNN tối ưu tốn điều khiển mờ (Xấp