18、模糊逻辑与遗传算法结合的分类综述

模糊逻辑与遗传算法结合的分类综述

引言

近年来，结合模糊逻辑（FL）和遗传算法（GAs）的论文和应用不断涌现，人们对这两个领域的融合兴趣日益浓厚。相关文献数量众多，但并非全部完整，部分文献可能是早期版本或信息缺失。本文对模糊逻辑 - 遗传算法相关文献进行了分类综述，旨在涵盖基于模糊逻辑的工具在遗传算法中的应用（即模糊遗传算法）以及模糊逻辑的不同领域，方便读者查找和使用。

模糊逻辑与遗传算法基础

• 模糊逻辑 ：由Lotfi Zadeh提出，具有两种不同的解释。狭义解释（FLn）中，模糊逻辑主要是一种近似推理的逻辑；广义解释（FLw）中，模糊逻辑与模糊集理论等同，指对象类中成员与非成员之间的过渡是渐进的。狭义模糊逻辑可视为多值逻辑的推广和扩展，提供了许多多值逻辑所没有的概念和技术，如语言变量、可能性和必要性概念、真值和惯常性限定、模糊量化和基数等。广义模糊逻辑是一个广泛的理论，包括模糊集、模糊算术、模糊数学规划、模糊模式识别、模糊控制、模糊概率论、模糊拓扑、模糊规则和模糊图的演算以及狭义的模糊逻辑。目前，人们越来越倾向于广义解释，因为“模糊逻辑”这个术语更顺口且更具自解释性。模糊逻辑的典范是人类思维。
• 遗传算法 ：由John Holland提出，是一种通用的搜索算法，灵感来自自然遗传种群的原理，用于解决问题。其基本思想是维护一个知识结构的种群，通过竞争和受控变异的过程随时间进化。种群中的每个结构代表一个具体问题的候选解决方案，并具有相关的适应度，用于确定哪些结构在竞争过程中用于形成新的结构。新结构通过交叉和变异等遗传算子创建。遗传算法在搜索和优化问题中取得了很大成功，其