طراحی بهینه چندهدفی شبکه فازی- عصبی توسط الگوریتم ترکیبی تکامل تفاضلی و تجمعی ذره براساس منطق فازی

شبکه های فازی- عصبی به دلیل کاربرد گسترده ای که در مدل سازی فرآیندهای پیچیده براساس داده های آزمایشگاهی دارند مورد توجه محققین قرار گرفته اند. در سیسم استنتاج فازی- عصبی هدف کاهش خطای پیش بینی سیستم نسبت به داده های اصلی است. تنظیم پارامترهای شبکه فازی- عصبی از اهمیت بسیار بالایی برخوردار است و بر عملکرد آن تاثیرگذار می گذارد. برای این منظور الگوریتم بهینه سازی جدیدی مبتنی بر ترکیب دو روش بهینه سازی تکامل تفاضلی و تجمعی ذره ارایه شده است. در این الگوریتم ضرایب سرعت عملگرها با استفاده از منطق فازی به صورت دینامیکی محاسبه می شوند. این ضرایب با توجه به شماره نسل و واریانس ذرات تنظیم می شوند. در الگوریتم پیشنهادی سعی شده است که در محل های کم جمعیت تر فضای جست وجو بیشتر کاوش شود و از گیرافتادن الگوریتم در نقاط بهینه محلی جلوگیری شود. در ادامه با بهینه سازی سه تابع معیار نتایج حاصل از الگوریتم تکامل تفاضلی و تجمعی ذرات و روش پیشنهادی با هم مقایسه می شوند و عملکرد قابل قبول الگوریتم ارایه شده، قابل لمس است. در انتها شبکه فازی- عصبی برای پیش بینی سری زمانی تابع مکی- گلاس تعریف شده است که با استفاده از الگوریتم ارایه شده و الگوریتم های تکامل تفاضلی و تجمعی ذره، توابع تعلق مربوط به ورودی و خروجی شبکه فازی- عصبی به صورت دوهدفه بهینه می شوند و نمودار پارتو به دست آمده از این روش ها با هم مقایسه می شوند که نشان دهنده عملکرد بهتر الگوریتم پیشنهادی است.

کلیدواژه ها:

Optimization ، Particle swarm optimization ، Differential evolution ، Fuzzy logic ، Neuro-Fuzzy network ، بهینه سازی ، بهینه سازی تجمعی ذره ، تکامل تفاضلی ، منطق فازی ، شبکه فازی- عصبی