構造非單點模糊系統初始參數：選取聚類中心向量Xlc中的各個分量元素

作為式(2)中相應

的初始值;以

與最近的另一個聚類中心歐式距離的一半

作為式(2)中

作為式(2)中相應的初始值;已知訓練數據含有大量噪聲的情況下，取

　　步驟2：(1)采用梯度下降算法調整參數

(推導過程省略)。

　　(2)同時采用遺傳算法搜索最佳參數

　　1)對參數編碼。以減法聚類確定的初始參數值為參考，考慮參數的解空間在初始參數值的正負s倍范圍內，將解空間轉換為二進制，對各參數進行交叉組合編碼;

　　2)隨機生成20個個體作為初始群體;

　　3)將準則函數的數學期望E[φ(e(t))]映射為適應度函數

　　用該適應度函數對群體中個體的適應度進行評估，當適應度達到標準Ff,max時，進化停止;

　　4)遺傳操作：采用適應度比例方法進行選擇，兩點交叉方法進行交叉，采用基本變異算子進行變異。

　　步驟3：梯度下降算法和遺傳算法之間的信息交換。遺傳算法每進化q代，根據準則函數的數學期望E[φ(e(t))]比較遺傳算法和梯度下降算法所得參數的效果。若遺傳算法搜索到的參數更好，便用其作為梯度下降算法下一步運算的初始參數;若梯度下降算法得到的參數更好，便用其替代遺傳算法的當代群體中適應度最差的一個個體。

　　步驟4：當準則函數的數學期望E[φ(e(t))]達到標準1-Ff,max時，或者遺傳算法進化g代時，算法停止。文中用準則函數在訓練數據時間長度內的時間平均代替其數學期望進行運算。

　　3 基于NSFIS的制導炸彈智能控制系統的仿真設計

　　按照文獻[1]的設計思想，在仿真環境中采用NSFIS設計制導炸彈智能控制系統。