شبکه anfis نوعی شبکه ی تطبیقی است که از لحاظ عملکرد با سیستم استنتاج فازی معادل است و به کمک مجموعه ای از داده های ورودی و خروجی، یک سیستم استنتاج فازی را ایجاد می کند. پس از دستیابی به معماری صحیح شبکه anfis، آموزش دادن پارامترهای آن یکی از موضوعات مهم در طراحی سیستم های کنترل هوشمند anfis است. برای آموزش دادن این شبکه ها، بیشتر از روش آموزش بر پایه گرادیان استفاده می شود که نیازمند محاسبه گرادیان در هر گام است. اما در این پروژه از الگوریتم غیر گرادیانی ممتیک برای آموزش anfis استفاده شده است بطوریکه ربات زیرآبی توسط سیستم کنترلی anfis و الگوریتم ممتیک ردیابی مسیر می نماید. سیستم استنتاجی فازی- شبکه عصبی- تطبیقی بکار گرفته شده از استنتاج سوگنو درجه یک بهره می برد. الگوریتم ممتیک نوعی الگوریتم تکاملی می باشد که برای بهینه سازی یک مسئله، از روش ترکیب جستجوهای محلی با دیگر الگوریتم های تکاملی بهره می برد و منجر به دستیابی به پاسخ های بهتر می گردد. در این پژوهش با توجه به تکامل رفتاری در حل یک مسئله بهینه سازی، استراتژی تطبیقی برای الگوریتم ممتیک ارائه شده است. با تعیین یک پارامتر تطبیقی برای الگوریتم در هر تکرار، تعداد جمعیت، احتمال جهش و شرایط ورود به الگوریتم های جستجوی محلی را می توان به صورت تطبیقی تعیین نمود. این الگوریتم تطبیقی برای سیستم های استاتیکی و دینامیکی مناسب می باشد و از آن برای کنترل خارج خط یک ربات زیرآبی همراه با کنترلر anfis استفاده شده است. پارامترهای متغیر شبکه کنترلی anfis مانند مرکز و انحراف معیار تابع گوسی و ضرایب مدل سوگنو توسط الگوریتم ممتیک تعلیم داده می شوند تا ربات بر روی مسیر از پیش تعیین شده همراه اغتشاش با حداقل خطا حرکت کند. مقایسه نتایج تعلیم کنترلر توسط الگوریتم ممتیک با نتایج حاصل از تعلیم کنترلر توسط الگوریتم ژنتیک، دقت و پایداری بیشتر روش تعلیم توسط الگوریتم ممتیک را نشان می دهد.

چکیده ندارد.