بهینه سازی ساختار الگوریتم درخت مدل خطی محلی با استفاده از الگوریتم بهینه سازی حدی

درخت مدل خطی محلی یا LOLIMOT که در آن از نوعی مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل می باشد که در آن حل مسئله پیچیده از طریق تقسیم مسئله به تعدادی زیر مسئله کوچک تر (و از این رو ساده تر) صورت می پذیرد. بنابراین مشخصات این مدل فازی- عصبی (زیرمسئله های کوچک تر شده) به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم بندی وابسته می باشد. الگوریتم LOLIMOT برای رسیدن به خروجی با خطای کمتر فضای مسئله را به تعدادی مدل خطی محلی یا LLM تقسیم می نماید و پس از پیدا کردن بدترین LLM (LLM با خطای بیشتر) با تقسیم آن به دو LLM الگوریتم را ادامه می دهد. در این الگوریتم در هر تکرار از آن بدترین LLM با نرخ تقسیم ۱/۲ در جهت های متعامد بر فضای ورودی تقسیم می شود. در این مقاله به کمک الگوریتم بهینه سازی حدی به بهینه سازی نرخ تقسیم می پردازیم، نتایج پیاده سازی حاکی از آن است که کارایی نسخه جدید الگوریتم LOLIMOT از نظر شاخص میانگین مربعات خطا بهتر از الگوریتم اولیه است.

کلیدواژه ها:

مدل عصبی - فازی ، شناسایی سیستم غیرخطی ، درخت مدل خطی ، الگوریتم بهینه سازی حدی (EO)