Loading article…
コンピュータ科学およびオペレーションズリサーチにおいて、遺伝的ファジーシステムとは、自然進化のプロセスを模倣して構造とパラメータを特定する遺伝的アルゴリズムまたは遺伝的プログラミングを使用して構築されるファジーシステムのことである。
ファジーシステムを自動的に識別・構築する場合、出力の非線形性が高いため、従来の線形最適化ツールにはいくつかの限界があります。そのため、ソフトコンピューティングの分野では、遺伝的アルゴリズム（GA）や遺伝的プログラミング（GP）といった手法が、ファジーシステムの構造やパラメータの識別に有効に活用されています。
ファジィシステムは、不確実性や不正確さに対処するメカニズムを備え、言語情報を表現および処理するための基本的な方法論です。たとえば、ドライバーが車を駐車する様子をモデル化するタスクでは、記述が詳細になるにつれて、簡潔な数学モデルを記述することがより困難になります。しかし、その困難さは、それ自体がファジィである単純な言語ルールを使用することにあるわけではありません。このような優れた特性により、ファジィシステムは、制御、分類、モデリングの問題に広く成功裏に適用されてきました（Mamdani、1974）（Klir and Yuan、1995）（Pedrycz and Gomide、1998）。
ファジィシステムの識別は、その設計は単純であるものの、(a)入力変数と出力変数、(b)ルールベース（知識ベース）、(c)メンバーシップ関数、(d)マッピングパラメータの識別を含む、かなり複雑な作業である。
通常、ルールベースは入力と出力をリンクする複数のIF-THENルールで構成されます。ファジーコントローラの単純なルールは次のようになります。
もし（温度＝高温）ならば（冷却＝高温）
このルールの数値的な影響／意味は、HOTとHIGHのメンバーシップ関数がどのように形成され、定義されているかによって決まります。
ファジィシステムの構築と識別は、（a）ファジィシステムの構造と（b）ファジィシステムのパラメータ識別に分けられます。
ファジィシステムの構造は、入力変数と出力変数、およびルールベースによって表現され、ファジィシステムのパラメータは、ルールパラメータ（メンバーシップ関数、集約演算子、含意関数を定義するもの）と、明確な集合からファジィ集合へのマッピング、およびその逆のマッピングに関連するマッピングパラメータである。（Bastian、2000）。
数値データからファジーシステムを自動的に識別できる手法の開発や改良に多くの研究が行われてきた。特にソフトコンピューティングの分野では、遺伝的アルゴリズム（GA）や遺伝的プログラミング（GP）を用いてファジーシステムを構築することを目的とした重要な手法が提案されている。
ファジィシステムの出力は非線形性が高いため、従来の線形最適化ツールには限界があります。遺伝的アルゴリズムは、ファジィルールベースの生成、ファジィルールベースの最適化、メンバシップ関数の生成、メンバシップ関数の調整などのタスクを実行するための堅牢で非常に強力なツールであることが実証されています（Cordón et al., 2001a）。これらのタスクはすべて、大きな解空間内での最適化または探索プロセスとみなすことができます（Bastian and Hayashi, 1995）（Yuan and Zhuang, 1996）（Cordón et al., 2001b）。
遺伝的アルゴリズムは、定義済みのルールベースのファジーメンバシップ関数を特定するための非常に強力なツールですが、特に与えられたデータセットからファジーシステムの入力変数と出力変数を特定する場合には限界があります。遺伝的プログラミングは、ファジーモデルの入力変数、ルールベース、および関連するメンバシップ関数を特定するために使用されてきました（Bastian、2000）。
過去 10 年間、ファジィ ルールベース システムの多目的最適化は、研究コミュニティと実務家の間で広く関心を集めてきました。これは、多目的最適化のための確率的アルゴリズムを使用して、複数の目的シナリオでパレート効率を探索することに基づいています。たとえば、同時に最適化する目的は、精度と複雑性、または精度と解釈可能性です。この分野の最近のレビューは、Fazzolari ら (2013) の研究で提供されています。さらに、[1] は、この主題に関する最新かつ継続的に増加している参考文献リストを提供しています。