基于约束边长FART-Q的智能决策算法

• 作者: 周亚楠 龚光红
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 人工神经网络 自适应共振理论 模糊集理论 Q学习 智能决策
• 年，卷（期）: 2015,（1）
• 页码范围: 96-101
• 页数: 6页
• 分类号: TP183
• 字数: 4538字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2014.0076

摘要

针对模糊自适应共振理论(ART)应用于智能决策时存在的问题,提出了约束边长的模糊ART算法.将有边长约束的模糊ART与Q学习结合,构建了约束边长FART-Q(Fuzzy ART-Q learning)智能决策网络.传统的模糊ART只根据输入向量与权值向量的模糊相似度进行分类,在用于智能决策中的状态分类时,不能考虑状态变量的物理含义,存在分类不合理的问题.针对这一问题,提出了对模糊ART的共振条件加入边长约束的改进算法,使得分类时可根据状态变量的物理含义确定分类的边长约束,同时能够减少分类数量.雷区导航仿真实验表明,约束边长FART-Q能快速做出合理决策.改进的模糊ART算法能够使分类更为合理,既能提高决策的成功率,又可以减小决策的运算时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚光红	北京航空航天大学自动化科学与电气工程学院	82	512	13.0	21.0
2	周亚楠	北京航空航天大学自动化科学与电气工程学院	2	1	1.0	1.0