Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지

Optimazation of Simulated Fuzzy Car Controller Using Genetic Algorithm

유전자 알고즘을 이용한 자동차 주행 제어기의 최적화

  • 김봉기 (진주산업대학교 컴퓨터공학부)
  • Published : 2006.01.01
Download PDF
⟨ Previous Next ⟩

Abstract

The important problem in designing a Fuzzy Logic Controller(FLC) is generation of fuzzy control rules and it is usually the case that they are given by human experts of the problem domain. However, it is difficult to find an well-trained expert to any given problem. In this paper, I describes an application of genetic algorithm, a well-known global search algorithm to automatic generation of fuzzy control rules for FLC design. Fuzzy rules are automatically generated by evolving initially given fuzzy rules and membership functions associated fuzzy linguistic terms. Using genetic algorithm efficient fuzzy rules can be generated without any prior knowledge about the domain problem. In addition expert knowledge can be easily incorporated into rule generation for performance enhancement. We experimented genetic algorithm with a non-trivial vehicle controling problem. Our experimental results showed that genetic algorithm is efficient for designing any complex control system and the resulting system is robust.

퍼지 논리 제어기(FLC : Fuzzy Logic Controller)를 사용할 때, 가장 중요한 것은 소속 함수의 범위를 정하는 것과 규칙의 형태를 결정하는 것이다. 소속 함수의 범위나 규칙의 형태는 자금까지 전문가가 임의로 정하는 방법을 사용하였다. 그러나 기존의 방법을 사용하면, 전문가의 주관적인 규칙과 소속 함수가 생성될 수 있고, 소속함수의 경우 최적의 범위를 정확히 예측하기 어려운 단점이 있다. 본 논문에서는 이런 단점을 보완하기 위해, 유전자 알고리즘을 사용함으로써 최적의 소속 함수와 규칙의 형태를 구하려 하였다. 제시하는 방법의 타당성을 검증하기 위해 자동차 주행 제어 문제에 적용시켜 보았다.

Keywords

References

  1. 장경익, 박성진, 김명원, '진화 알고리즘을 이용한 퍼지 논리 제어기의 최적화' 99년 인공지능 퍼지 시스템학회 종합 학술대회, 1999
  2. Chuen Chien Lee, 'Fuzzy Logic Control Systems: Fuzzy Logic Controller-Part I', IEEE Transactions on Systems, Man, and Cybernetics, vol. 20, No. 2, 1990
  3. Schin-ichi Horikawa et al., 'A Fuzzy Controller Using a Neural Network and Its Capability to Learn Control Rules,' Proc. of the International Conference on Fuzzy Logic & Neural Networks, pp.103-106, 1990
  4. Hasegawa T., Horikawa S.-i. Furuhashi T., Uchikawa Y., 'On design of adaptive fuzzy controller using fuzzy neural networks and a description of its dynamical behavior', Fuzzy Sets And Systems, Vol. 71, Issue 1, pp.3-23, 1995 https://doi.org/10.1016/0165-0114(94)00196-E
  5. F. Hoffmann, et al., Evolutionary Learning of Mobile Robot Behaviours, First Workshop on Frontiers in Evolutionary Algorithms, 1997
  6. Leonid REZNIK, 'Evolution of Fuzzy Controller Design', FUZZ IEEE, 1997
  7. Tomonori HASHIYAMA, Takeshi FURUHASHI, Yoshiki UCHIKAWA, 'A Study on Finding Fuzzy Rules for Semi-Active Suspension Controllers with Genetic Algorithm', First Online Workshop on Evolutionary Computation, 1995
  8. Frank Hoffmann, Gerd Pfister, 'Evolutionary Design of a Fuzzy Knowledge Base for a Mobile Robot', International Journal of Approximate Reasoning ,vol. 17, no. 4, pp.447-469, (1997) https://doi.org/10.1016/S0888-613X(97)00005-4
  9. 윤철민, '유전자 알고리즘을 이용한 제어를 위한 퍼지 규칙 생성', 숭실대학교 대학원 전자계산학과 석사 학위 논문, 1998
  10. Z. Michalewicz, 'Genetic.Algorithms + Data Structures = Evolution Programs', Third, Extended Edition, Springer-Verlag, 1995
  11. Potter M. A., De Jong K., 'A Cooperative Coevolutionary Approach to Function Optimization', Parallel Problem Solving from Nature-PPSN III, pp.249-257, 1994