在基于知识的模糊技术的应用中,构造合适的模糊规则集是关键的问题.随着系统复杂度的提高,依靠专家的经验和设计者的反复试验构造的模糊规则集已经不能满足需要,于是关于模糊规则集的自动获取的研究已成为近年来的热点.该文的主要研究内容为采用遗传算法自动获取模糊规则集.首先我们采用经典遗传算法的思想,对模糊规则采用浮点数编码的方式形成遗传算法的染色体,其次按照模糊规则的性质对遗传算法中的个体进行评估、选择、交叉及变异.特别的,在规则的提取过程中,对模糊规则中的模糊划分进行了学习以获取较好的模糊集合参数;同时对遗传算法的选择操作进行了修改,引入了精英选择机制及基于相似性的选择机制,减轻了经典遗传算法的选择机制对低适应函数值个体造成的选择压力,保持了种群的多样性,从而有效地避免了遗传算法收敛到局部解的问题.实验结果表明,该文的模糊遗传算法能够正确的收敛到近似的全局最优解.另外,与同类方法相比,该文方法获取的模糊规则集具有较高的正确分类率.该文共分为五章.第一章介绍该文的研究背景;第二章介绍模糊技术和遗传算法的理论;第三章介绍应用遗传算法自动获取模糊规则集的方法;第四章给出了实验结果;第五章对论文所做工作进行总结,并提出了今后的工作.