Data-based fuzzy modelling of dynamic systems by means of evolution strategies

The paper presents a hybrid approach (combining fuzzy rule-based systems and evolution strategies) to modelling of complex dynamic systems and processes using data that describe their behaviour. The application of the proposed approach to modelling and prediction of the Mackey-Glass chaotic time series is also presented in the paper. This time series - of complex dynamics - describes various physiological and technical control systems.

Artykuł prezentuje hybrydowe podejście - łączące rozmyte systemy regułowe z tzw. strategiami ewolucyjnymi - do modelowania złożonych, dynamicznych systemów i procesów z wykorzystaniem danych opisujących ich zachowanie. Strategie ewolucyjne stanowią jedną z czterech głównych klas algorytmów ewolucyjnych - obok najbardziej popularnych algorytmów genetycznych, programowania ewolucyjnego oraz programowania genetycznego. Szereg cech strategii ewolucyjnych - w tym samoadaptacja parametrów sterujących strategią ewolucji, co umożliwia dokładne lokalne dostrajanie się algorytmu - powoduje, że są one interesującym narzędziem szczególnie w zagadnieniach optymalizacji z ciągłymi parametrami. Stąd też mogą być efektywnie wykorzystywane w budowie rozmytych regułowych modeli systemów oraz algorytmów sterowania na bazie danych. W artykule przedstawiono zastosowanie proponowanego podejścia do modelowania i predykcji tzw. chaotycznego szeregu czasowego Mackey-Glass'a. Szereg ten - o złożonej dynamice - opisuje różnorodne fizjologiczne i techniczne systemy sterowania. Przedstawiono uzyskaną bazę reguł modelu rozmytego, kształty funkcji przynależności zbiorów rozmytych w nim występujących oraz porównanie odpowiedzi modelu z danymi rzeczywistymi.