home *** CD-ROM | disk | FTP | other *** search
/ HPAVC / HPAVC CD-ROM.iso / pc / GAF200B.ZIP / DOC / ABSTRACT.DOC next >
Encoding:
Text File  |  1994-10-29  |  3.4 KB  |  55 lines
  1.                    Genetic Adapt Fuzzy Control System
  2.  
  3. Why Fuzzy
  4.       The real world is not black and white.  The day in and day out human
  5.       reasoning is all but EXACT.  However, the classical logic and the
  6.       traditional control systems are based on exact reasoning.  Fuzzy logic,
  7.       also known as imprecise reasoning, allows us solving problems with fuzzy
  8.       boundaries as we handle daily routines.  Fuzzy logic is a formulation of
  9.       logic using mathematical framework to deal concepts such as few, very,
  10.       much, and many.  Fuzzy logic can help us make decisions when lack of
  11.       specific facts or the knowledge is imprecise or far from complete.
  12.  
  13.       Human experts can handle situations beyond their knowledge with
  14.       gracefully degraded accuracy, but the traditional control systems
  15.       normally breakdown when the environment is out of their design scope. 
  16.       Many environments are difficult to model mathematically, especially for
  17.       systems with uncertainties or non-linearties.  When applying
  18.       conventional control logic to these environments, it requires human
  19.       interactions or interventions.  On the other hand fuzzy control system
  20.       is not based on strict mathematical model.  Not only it is easier and
  21.       quicker to build a control system but it also degrades gracefully.
  22.  
  23. Apply Genetic Algorithm in Fuzzy Control System
  24.       However, there are drawbacks in fuzzy logic control systems.  The fuzzy
  25.       sets and rules must be determined properly for the system to function
  26.       correctly.  This introduces a problem for some fuzzy systems and fuzzy
  27.       chips.  The problem is that the rules and sets must be coded up front
  28.       instead tuned at site.  Another problem is that because of its imprecise,
  29.       it is difficult for users to come up with an optimal solution.  As a
  30.       result, users are spending more time in tuning up fuzzy sets and rules. 
  31.       While fuzzy logic mimics human's imprecise reasoning, genetic algorithm
  32.       mimics the evolution of the nature.  Applying genetic algorithm in
  33.       fuzzy control eliminates problems associated with fuzzy system.  The
  34.       genetic algorithm uses randomization techniques to reach local optimum
  35.       without exhausting searches through the solution state space.  With
  36.       randomization, genetic algorithm is also capable of escaping from local
  37.       optimum and hopping into a new and better state.
  38.  
  39. What Is Genetic Adapt Fuzzy Control System
  40.       The Genetic-Adapt Fuzzy control system (GAF) combines powerful
  41.       features from fuzzy logic and genetic algorithm.  GAF allows users to
  42.       generate a fuzzy control system by simply defining the inputs, outputs,
  43.       measured data set, and initial rule sets.  GAF uses genetic algorithm to
  44.       derive proper rules and fuzzy sets from the initial rules.  By changing,
  45.       adding, deleting rules and fuzzy membership sets, the genetic algorithm
  46.       automatically adapts and optimizes the fuzzy control system.  Besides
  47.       optimizes fuzzy rules, GAF also provides users the capability to
  48.       simulate and debug their applications.  GAF  replaces complex
  49.       conventional control algorithm with simple fuzzy rules contained in
  50.       English like text files.  It builds run time data directly from the rule
  51.       files to eliminate intermediate compilation and achieve quick turn-
  52.       around time.
  53.  
  54. By    R.P. Huang Jan 16, 1993
  55.