[发明专利]一种复杂工业过程的多目标建模方法

权利要求书

1.一种复杂工业过程的多目标建模方法，其特征是包括如下步骤：

(1)通过现场操作或实验获得被建模过程的输入和输出采样数据，确定T-S模糊递归神经网络的输出变量和T-S模糊递归神经网络后件部分的输入向量，将所述被建模过程的输入和输出采样数据分为训练样本集和测试样本集；确定建模问题的第一个目标和第二个目标，所述第一个目标为T-S模糊递归神经网络的输出变量与被建模过程的输出变量的差值的平方和的最小化，所述第二个目标为T-S模糊递归神经网络的模糊规则数的最小化；

(2)随机生成初始种群，所述初始种群中的每个个体代表一个T-S模糊递归神经网络的前件部分，每个个体均使用由与DNA碱基对应的0、1、2、3中的任一个或任几个组成的整数串表示，所述整数串的长度固定；并且，设所述初始种群为当前种群，进化代数的初始值为1；

(3)根据步骤(1)所述的训练样本集，利用递推最小二乘法确定与当前种群的每个个体所代表的所述前件部分相对应的T-S模糊递归神经网络的后件部分；

(4)根据步骤(1)所述的第一个目标和第二个目标，计算当前种群的每个所述个体的适应度值；

(5)根据步骤(4)所获得的每个所述个体的适应度值选择当前种群中的个体组成新一代种群；

(6)对步骤(5)所述新一代种群中的个体执行置换交叉操作和转位交叉操作；

(7)判断经步骤(6)操作后得到的新一代种群中个体数目是否大于初始种群的个体数目的1.5倍，若大于，则执行步骤8)，否则执行步骤6)；

(8)对步骤(7)所述的新一代种群中的每个个体依次执行反密码子变异操作、最大最小变异操作和普通变异操作；

(9)判断当前进化代数是否等于预设的最大进化代数，所述预设的最大进化代数为大于1的整数：若是，则将当前种群作为最终种群并执行步骤(10)；若否，则将当前进化代数加1，并以经步骤(8)操作后的新一代种群作为当前种群重复步骤(3)至步骤(8)；

(10)任意选择最终种群中的一个个体所对应的T-S模糊递归神经网络作为被建模过程的模型。

2.根据权利要求1中所述的复杂工业过程的多目标建模方法，其特征在于按以下步骤执行步骤(8)：

a)随机产生一个0至1之间的随机数，若该随机数小于预设的反密码子变异概率，所述预设的反密码子变异概率为0～1，则将所操作的个体按照编码参数的不同分成不同子序列，在每个子序列上随机选取一段连续的整数串作为密码子，依据0和1互补、2和3互补原则，生成一段与密码子中的整数互补的序列作为反密码子，接着将反密码子中的整数进行倒位处理，得到倒转的反密码子；然后将倒转的反密码子取代密码子；

b)随机产生一个0至1之间的随机数，若该随机数小于预设的最大最小变异概率，则将用以表示步骤a)所得到的个体的整数串中出现频率最高的整数用出现频率最低的整数来代替，所述预设的最大最小变异概率为0～1；

c)针对用以表示步骤b)所得到的个体的整数串中的每一个整数，随机产生一个0至1之间的随机数，若该随机数小于预设的普通变异概率，则该整数被0、1、2、3中不同于该整数的任一个所代替，所述预设的普通变异概率为0.001～0.1。