خانه / مهندسی برق و الکترونیک / سایر موضوعات مهندسی برق و الکترونیک / دانلود مقاله isi بهینه‌سازی قانون‌محور مشارکتی کلونی مورچگان پیوسته جهت بهبود دقت طرح سیستم فازی
دانلود مقاله isi بهینه‌سازی قانون‌محور مشارکتی کلونی مورچگان پیوسته جهت بهبود دقت طرح سیستم فازی

دانلود مقاله isi بهینه‌سازی قانون‌محور مشارکتی کلونی مورچگان پیوسته جهت بهبود دقت طرح سیستم فازی

عنوان فارسي مقاله :: دانلود مقاله isi بهینه‌سازی قانون‌محور مشارکتی کلونی مورچگان پیوسته جهت بهبود دقت طرح سیستم فازی

عنوان انگليسي مقاله :: Rule-Based Cooperative Continuous Ant Colony Optimization to Improve the Accuracy of Fuzzy System Design

  • تعداد صفحه مقاله انگليسي ISI ::
  • تعداد صفحه مقاله فارسي ISI ::
  • کد مقاله ISI ::
13 صحفه PDF
27 صحفه WORD
53352

فهرست مطالب ترجمه فارسي مقاله isi ::

فهرست مطالب ترجمه فارسي مقاله isi ::

چکیده
مقدمه
سیستم‌های فازی
ساختار چندجمعیتی قانون‌محور و چارچوب مشارکتی
شکل۱٫ ساختار چندجمعیتی و مشارکتی در CCACO
تولید و بروزرسانی پاسخ مورچه در بهینه‌سازی کلونی مورچگان پیوسته‌ی مشارکتی
شکل۲٫ نمایش گرافیکی پاسخ‌ها بر حسب گره‌ها و مسیرها، طوری که مسیر مورچه با یک
انتخاب مسیر مورچه
عملیات جذب بهترین مورچه برای پالایش پاسخ
شبیه‌سازی‌ها
جدول۱
عملکرد الگوریتم‌های CCACO و ACO های پیوسته‌ی
شکل۳٫ RMSEهای هر ارزیابی عملکرد برای CCACO و الگوریتم‌های مختلف هوش جمعی
جدول۳
لیست کامل پایه قانون فازی
شکل۴٫ نتیجه‌ی کنترل فازی
عملکرد CCACO و الگوریتم‌های مختلف ژنتیک و PSO
شکل۵٫ نتایج کنترل فازی CCACO
جدول۴ عملکرد CCACO و الگوریتم‌های مختلف
جدول۵ عملکرد CCACO و الگوریتم‌های مختلف ACO
شکل۶٫ SAEهای هر ارزیابی عملکرد برای CCACO و الگوریتم‌های مختلف هوش جمعی
جدول۶ لیست کامل پایه قانون طراحی شده
شکل۷٫ RMSE هر ارزیابی عملکرد برای CCACO و الگوریتم‌های مختلف هوش
شکل۸٫ نتایج پیش‌بینی سیستم فازی بهینه شده با CCACO با چهار قانون
جدول۷ عملکرد CCACO و الگوریتم‌های مختلف ACO پیوسته و PSO
جدول۸ لیست کامل پایه قانون طراحی شده
جدول۹ عملکردهای CCACO و سیستم‌های مختلف فازی عصبی
جدول۱۰ عملکردهای CCACO و مدل‌های مختلف فازی عصبی تکاملی
شکل۹٫ نتایج پیش‌بینی سیستم فازی بهینه شده با CCACO با (الف) پنج و (ب) ۲۰ قانون
جدول۱۱ لیست کامل پایه قانون طراحی شده
شکل۱۰٫ RMSE در هر ارزیابی عملکرد برای CCACO و الگوریتم‌های مختلف بهینه‌سازی
شکل۱۱٫ نتیجه‌ی تست استفاده از سیستم فازی نوع TSK با طرح CCACO با ۲۰ قانون،
ساختار مشارکتی و مساله‌ی شبه‌مینیمم
جدول۱۲ عملکردهای CCACO و الگوریتم‌های مختلف مبتنی بر جمعیت
جدول۱۳ عملکردهای سیستم فازی بهینه شده با CCACO و N-CCACO
تاثیر تعداد قوانین روی عملکرد یادگیری
جدول۱۴ عملکرد سیستم‌های فازی با تعداد قوانین
جدول۱۵ عملکرد سیستم‌های فازی با تعداد قوانین مختلف
جدول۱۶ عملکرد سیستم‌های فازی با تعداد قوانین مختلف
دقت و تفسیرپذیری در سیستم‌های فازی
نتیجه‌گیری

ترجمه چکيده مقاله ISI ::

ترجمه چکيده مقاله ISI ::

این مقاله الگوریتم بهینه‌سازی مشارکتی کلونی مورچگان پیوسته (CCACO) را ارائه داده و آن را در مسائل طراحی سیستم‌های فازی (FS) دقت‌‌گرا به کار می‌گیرد. همه‌ی پارامترهای آزاد یک سیستم فازی تاکاگی- سوگنو- کانگ (TSK) مرتبه‌ی صفر یا یک از طریق CCACO بهینه می‌شوند. این الگوریتم از طریق چندین کلونی مورچه عمل بهینه‌سازی را انجام می‌دهد، که در آن هر کلونی تنها مسئول بهینه‌سازی پارامترهای آزاد یک تک‌قانون فازی است. کلونی‌های مورچه‌ها با هم مشارکت می‌کنند تا یک سیستم فازی کامل با یک بردار پاسخ کامل طراحی کنند (رمزگذاری یک سیستم فازی کامل) که از طریق انتخاب یک مولفه‌ی زیرپاسخ از هر کلونی شکل می‌گیرد (رمزگذاری یک تک‌قانون فازی). زیرپاسخ‌های هر کلونی مورچه به طور مجزا با استفاده از یک الگوریتم بهینه‌سازی کلونی مورچگان پیوسته و جدید تکامل می‌یابند. در CCACO، پاسخ‌ها از طریق تکنیک‌های انتخاب تورنمنتی مسیر مورچه بر اساس فرومون، عملیات پرسه‌زنی مورچه و پالایش جذب بهترین مورچه بروزرسانی می‌شوند. عملکرد CCACO از طریق به کارگیری آن در کنترل‌کننده‌ی فازی و مسائل طراحی پیش‌بینی کننده، به تایید می‌رسد. مقایسه با دیگر الگوریتم‌های بهینه‌سازی مبتنی بر جمعیت (کلونی) موید قوت و برتری این الگوریتم جدید است.

دانلود مقاله isi بهینه‌سازی قانون‌محور مشارکتی کلونی مورچگان پیوسته جهت بهبود دقت طرح سیستم فازی

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *