产品老A，6年互联网大厂AIPM，专注探索新型人机交互

在模糊系统中，模糊集、隶属函数，和模糊规则的设计是建立在经验知识基础上的。这种分析方法存在很大的主观性。将学习机制引入到模糊系统中，使模糊系统能够通过不断学习来修改和完善隶属函数和模糊规则，这是模糊系统的发展方向。模糊系统和模糊神经网络既有联系又有区别，其联系表现为模糊神经网络在本质上是模糊系统的实现，其区别表现为模糊神经网络又具有神经网络的特征。 系统

在上一篇博客《模糊控制算法实例解析（含代码）》中我们通过控制水位的实例来掌握一般问题的模糊控制器的设计流程，并给出了matlab代码的实现，就简单的水位控制而言，我们可以直接通过matlab集成的模糊控制模块进行可视化操作设计模糊控制器，脱离了代码的编写也可以实现完全相同的功能。本篇博客同样是基于水位控制问题对matlab集成的FIS模块的设计进行详细说明。1、通过控制台打开FIS

对比算法流程图算例分析%BP identification%网络结构：2-6-1%权值W1、W2为[-1,1]之间的随机值，η=0.50，α=0.05clear all;close all; xite=0.50;alfa=0.05; w2=rands(6,1);w2_1=w2;w2_2=w2_1; w1=rands(2

首先来看一个实例，控制进水阀S1和出水阀S2，使水箱水位保持在目标水位O处。按照日常操作经验，有以下规则：1、  若当前水位高于目标水位，则向外排水，差值越大，排水越快；2、  若当前水位低于目标水位，则向内注水，差值越大，注水越快；3、  若当前水位和目标水位相差很小，则保持排水速度和注水速度相等。 下面来设计一个模糊控制器1、选择观测量和控制量一般选择偏差e，即目标水位和当前水位的差值作为观察...

一、遗传算法简介在工程实践中，经常面临多变量、不可微、不连续、有约束等条件下的最优化问题，此时梯度下降法、牛顿法等传统的优化算法难以下手，智能算法却凭借不断迭代、概率变化逐步逼近全局最优解，从而达到“近似最优”的状态，所得结果往往能够满足实际工程应用精确度的要求。遗传算法（Genetic Algorithm, GA）是一类借鉴生物的自然选择和遗传进化机制而开发的一种全局最优算法，算法遵循“适者