遗传算法已经被证明是一种非常有效的设计模糊规则和隶属函数的方法.在该文中,我们分析几种不同的将遗传算法和模糊系统相结合的模型,并给出他们的相关优缺点的总结.这些工作显示了我们应该改进目前的进化模糊系统模型,使之能应用于更多的实际领域.基于Potter的合作式协同进化模型,我们提出了一种新的模糊建模的新方法：合作式协同进化的模糊系统.该方法中,每个个体对应一个有一条或几条规则的子模系统.整个种群被分为一系列的子种群,这些子种群分别进行相对独立的进化.当评价一个个体时,这个个体首先和别的种群的代表组成一个完整的模糊系统,然后用这个模糊系统的性能来评价这个个体.我们还引入了一个自适应的机制来调整子种群的个数.当进化结束时,我们从每个种群中选出最优个体组成所需要的模糊逻辑系统.实验表明我们提高了模糊系统的进货效率.我们还比较了不同的个体的定义.实验还测试了我们的种群增减机制并得到了可以接受的结果.基于贪心策略,一种快速的模糊规则自动生成的方法被提出来.在我们的方法中,一开始模糊规则库为空.以后每一轮计算,我们都试图找到一条规则,该规则最好最广地覆盖训练样本集,然后把这条规则加入到模糊规则库中,同时删除那些已经被很好近似的训练样本.为了防止新规则的加入恶化模糊系统的性能,我们使用神经网络调整模糊规则库.实验表明,对于从大量训练数据中自动生成大规模模糊系统,我们方法很有前景.