構(gòu)造非單點模糊系統(tǒng)初始參數(shù)：選取聚類中心向量Xlc中的各個分量元素

作為式(2)中相應(yīng)

的初始值;以

與最近的另一個聚類中心歐式距離的一半

作為式(2)中

作為式(2)中相應(yīng)的初始值;已知訓(xùn)練數(shù)據(jù)含有大量噪聲的情況下，取

　　步驟2：(1)采用梯度下降算法調(diào)整參數(shù)

(推導(dǎo)過程省略)。

　　(2)同時采用遺傳算法搜索最佳參數(shù)

　　1)對參數(shù)編碼。以減法聚類確定的初始參數(shù)值為參考，考慮參數(shù)的解空間在初始參數(shù)值的正負s倍范圍內(nèi)，將解空間轉(zhuǎn)換為二進制，對各參數(shù)進行交叉組合編碼;

　　2)隨機生成20個個體作為初始群體;

　　3)將準則函數(shù)的數(shù)學(xué)期望E[φ(e(t))]映射為適應(yīng)度函數(shù)

　　用該適應(yīng)度函數(shù)對群體中個體的適應(yīng)度進行評估，當適應(yīng)度達到標準Ff,max時，進化停止;

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

　　步驟3：梯度下降算法和遺傳算法之間的信息交換。遺傳算法每進化q代，根據(jù)準則函數(shù)的數(shù)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(shù)的效果。若遺傳算法搜索到的參數(shù)更好，便用其作為梯度下降算法下一步運算的初始參數(shù);若梯度下降算法得到的參數(shù)更好，便用其替代遺傳算法的當代群體中適應(yīng)度最差的一個個體。

　　步驟4：當準則函數(shù)的數(shù)學(xué)期望E[φ(e(t))]達到標準1-Ff,max時，或者遺傳算法進化g代時，算法停止。文中用準則函數(shù)在訓(xùn)練數(shù)據(jù)時間長度內(nèi)的時間平均代替其數(shù)學(xué)期望進行運算。

　　3 基于NSFIS的制導(dǎo)炸彈智能控制系統(tǒng)的仿真設(shè)計

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