Entwurf von Fuzzy-Reglern mit Genetischen Algorithmen

در آینده، ادغام شبکه‌های عصبی، منطق فازی و الگوریتم‌های ژنتیک در روش‌های ترکیبی نقش اساسی در توسعه سیستم‌های هوشمند خواهد داشت. در زمینه محاسبات نرم، این کتاب به روش‌های طراحی تکاملی برای کنترل‌کننده‌های فازی می‌پردازد. علاوه بر ارائه مبانی نظری، نحوه عملکرد یک الگوریتم ژنتیک و نحوه استفاده از آن برای ایجاد پایگاه دانش یک سیستم فازی را شرح می دهد. یکی از تمرکزهای کتاب، کاربرد عینی این روش با هدف انطباق رفتار یک ربات متحرک با محیط آن است. این کتاب خواننده را قادر می‌سازد تا مفاهیم اساسی سیستم‌های فازی ژنتیکی را درک کند، نقاط قوت و محدودیت‌های آنها را بشناسد و سودمندی آنها را با توجه به وظایف خود ارزیابی کند. علاوه بر این، توصیه های عملی زیادی در مورد توسعه یک ربات متحرک و استفاده از حسگرهای اولتراسونیک برای تشخیص موانع ارائه می دهد. با ارائه یک طرح کدگذاری جدید و منعطف برای نمایش ژنتیکی قوانین فازی و با ارائه پیشنهادهای جدید برای ارزیابی رفتار قوانین، دیدگاه‌های جدیدی را به خواننده‌ای که با این موضوع آشنا است، ارائه می‌کند.

Bei der Entwicklung intelligenter Systeme wird in Zukunft die Integration von Neuronalen Netzen, Fuzzy Logic und Genetischen Algorithmen zu hybriden Methodiken eine zentrale Rolle spielen. Im Rahmen des Soft Computing beschäftigt sich dieses Buch mit evolutionären Entwurfsverfahren für Fuzzy-Regler. Neben der Darstellung der theoretischen Grundlagen beschreibt es die Arbeitsweise und den Einsatz eines Genetischen Algorithmus zum Erstellen der Wissensbasis eines Fuzzy-Systems. Einen Schwerpunkt des Buches stellt die konkrete Anwendung der Methodik dar, mit dem Ziel das Verhalten eines mobilen Roboters an seine Umwelt anzupassen. Das Buch ermöglicht es dem Leser, die wesentlichen Konzepte genetischer Fuzzy-Systeme zu verstehen, deren Stärken und Grenzen zu erkennen und ihren Nutzen im Hinblick auf eigene Aufgabenstellungen zu beurteilen. Darüber hinaus bietet es zahlreiche praktische Hinweise zur Entwicklung eines mobilen Roboters und zur Verwendung von Ultraschallsensoren zur Wahrnehmung von Hindernissen. Dem mit der Materie vertrauten Leser bietet es neue Perspektiven, indem es ein neuartiges, flexibles Kodierungsschema zur genetischen Repräsentation von Fuzzy-Regeln vorstellt und neue Vorschläge zur Beurteilung des Regelverhaltens unterbreitet.