[发明专利]基于遗传算法的模糊推理树提升方法及装置

说明书

本发明公开了一种基于遗传算法的模糊推理树提升方法及装置，其中，该方法包括：获取模糊推理树规则知识库、模糊推理树规则知识库的环境和测试数据；对模糊推理树规则知识库中的规则进行编码；确定优化参数，根据模糊推理树规则知识库的环境和测试数据、优化参数和遗传算法对编码后的模糊推理树规则知识库的规则进行优化；根据优化后的模糊推理树规则知识库的规则生成目标模糊推理树规则知识库。该方法使用遗传算法对知识库进行优化处理，推理提升效率高。

技术领域

本发明涉及自主决策技术领域，特别涉及一种基于遗传算法的模糊推理树提升方法及装置。

背景技术

随着科技的逐步发展，人工智能技术越来越成熟，被广泛的应用到各种领域中。近些年来使用人工智能方法对无人系统的自主决策需求逐步提高。能够模拟专家推理过程，并利用领域专业知识的模糊推理方法在此过程中体现出了巨大的优势。随着智能决策系统的发展，专家知识规则库中积累了海量的规则从而使得决策系统更加智能。但是，机遇往往伴随着挑战，大量的决策规则往往会降低系统的推理效率，同时可能导致规则模型过拟合，推理结论冲突等问题。

信息技术的快速发展，使得更多的无人系统中在不断丰富专家知识规则的同时，也积累了海量的数据和逼真的仿真环境。这些资源为提升知识库提供了良好的基础，通过设计一套优化方法利用线下的海量数据或线上的仿真环境来提升优化知识库。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于遗传算法的模糊推理树提升方法，该方法使用遗传算法对知识库进行优化处理，推理提升效率高。

本发明的另一个目的在于提出一种基于遗传算法的模糊推理树提升装置。

为达到上述目的，本发明一方面实施例提出了一种基于遗传算法的模糊推理树提升方法，包括：

S1，获取模糊推理树规则知识库、所述模糊推理树规则知识库的环境和测试数据；

S2，对所述模糊推理树规则知识库中的规则进行编码；

S3，确定优化参数，根据所述模糊推理树规则知识库的环境和测试数据、所述优化参数和遗传算法对编码后的模糊推理树规则知识库的规则进行优化；

S4，根据优化后的模糊推理树规则知识库的规则生成目标模糊推理树规则知识库。

本发明实施例的基于遗传算法的模糊推理树提升方法，通过获取现有或构建新模糊推理树规则知识库，获取与知识库相关的环境或测试数据，对知识库中的现有规则进行编码，确定优化参数，使用遗传算法对知识库进行优化处理，使用优选出来的模糊推理树规则形成新的知识库，这样实现对老知识库的优化提升。

另外，根据本发明上述实施例的基于遗传算法的模糊推理树提升方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述对所述模糊推理树规则知识库中的规则进行编码，包括：

将所述模糊推理树规则知识库中的规则编码为：

S＝{RuleR_j|s_j＝1；j＝1,2,…,n}

其中，n为所述模糊推理树规则知识库中的规则数量，其中，R_j表示第j条规则，s_j＝1代表第j条规则R_j包括到了规则集S中。

进一步地，在本发明的一个实施例中，所述对编码后的模糊推理树规则知识库的规则进行优化的优化目标为：

在编码后的所述模糊推理树规则知识库中的规则数量最小和所述模糊推理树规则知识库性能最大，用公式表达为：