| 内容摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-10页 |
| 1．1 引言 | 第6页 |
| 1．2 本课题的研究背景与研究现状 | 第6-8页 |
| 1．3 研究的目的和意义 | 第8-9页 |
| 1．4 本文的研究内容和组织结构 | 第9-10页 |
| 第二章 模糊控制的基本理论和模糊控制器的设计分析 | 第10-18页 |
| 2．1 模糊控制的基础理论 | 第10-11页 |
| 2．1．1 基本定义和术语 | 第10-11页 |
| 2．2 模糊控制器 | 第11-17页 |
| 2．2．1 模糊控制器的基本结构和组成 | 第11-12页 |
| 2．2．2 模糊控制器设计 | 第12-16页 |
| 2．2．3 设计模糊控制器要注意的问题 | 第16-17页 |
| 2．3 本章小结 | 第17-18页 |
| 第三章 遗传算法的基本理论 | 第18-22页 |
| 3．1 什么是遗传算法 | 第18-20页 |
| 3．1．1 遗传算法的概述 | 第18-19页 |
| 3．1．2 遗传操作的操作符 | 第19-20页 |
| 3．1．3 遗传算法的特点 | 第20页 |
| 3．2 模式定理 | 第20-21页 |
| 3．2．1 模式 | 第21页 |
| 3．3 本章小结 | 第21-22页 |
| 第四章 遗传算法优化模糊控制器 | 第22-28页 |
| 4．1 GA优化模糊规则分析 | 第23-24页 |
| 4．2 基于领域的FLC和基于规则的FLC | 第24-27页 |
| 4．2．1 GA设计基于领域的FLC | 第24-25页 |
| 4．2．2 优化基于规则的 FLC | 第25-27页 |
| 4．3 需要注意的问题 | 第27页 |
| 4．4 本章小结 | 第27-28页 |
| 第五章 基于完备性和语义性的隶属函数 GA优化方法 | 第28-35页 |
| 5．1 问题的提出 | 第28-29页 |
| 5．2 保证隶属函数完备性和语义性的遗传优化算法 | 第29-32页 |
| 5．2．1 隶属函数编码方法 | 第29-31页 |
| 5．2．2 适应度函数的选取 | 第31页 |
| 5．2．3 遗传算法所使用的各参数的取值 | 第31-32页 |
| 5．2．4 优化算法 | 第32页 |
| 5．3 仿真实验 | 第32-34页 |
| 5．5 本章小结 | 第34-35页 |
| 第六章 基于规则相容性的模糊控制规则 GA生成方法 | 第35-42页 |
| 6．1 问题的提出 | 第35-36页 |
| 6．2 模糊控制模型的完备性和相容性 | 第36-38页 |
| 6．2．1 贴进度和模糊规则相容性 | 第36-37页 |
| 6．2．2 模糊控制规则相容性的评价方法 | 第37-38页 |
| 6．3 基于规则相容性的模糊控制规则 GA生成方法 | 第38-39页 |
| 6．3．1 编码(encoding) | 第38页 |
| 6．3．2 适应度函数(fitness-function) | 第38-39页 |
| 6．4 仿真研究 | 第39-41页 |
| 6．5 结论 | 第41-42页 |
| 第七章 结束语 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45页 |
