基于蟻群算法的模糊建模方法的研究.pdf

1、由于模糊理論具有處理不確定或模糊信息的能力，并能融合專家經(jīng)驗(yàn)，因此在分類問(wèn)題上得到了廣泛的應(yīng)用。模糊分類系統(tǒng)可以由專家根據(jù)經(jīng)驗(yàn)構(gòu)造，但是很多情況下這種經(jīng)驗(yàn)并不存在或不完備，而相關(guān)數(shù)據(jù)卻相對(duì)容易獲得。因此，如何從數(shù)據(jù)中自動(dòng)構(gòu)造模糊分類系統(tǒng)，在近年來(lái)成為研究的熱點(diǎn)。 本文提出了一種基于蟻群算法的模糊分類系統(tǒng)設(shè)計(jì)方法。為實(shí)現(xiàn)模糊模型精確性和解釋性的折衷，先對(duì)樣本特征變量進(jìn)行篩選，挑選出一組具有較高分辨性能的輸入變量，并對(duì)其進(jìn)行模糊柵格

2、劃分。在模型結(jié)構(gòu)確定，即規(guī)則前件確定后，蟻群算法從訓(xùn)練樣本中提取信息對(duì)模型的參數(shù)進(jìn)行優(yōu)化。目標(biāo)函數(shù)在蟻群每一次迭代搜索中提供正反饋信息。蟻群算法通過(guò)優(yōu)化輸入空間的劃分，從而優(yōu)化柵格的布局。在保證模型精確性的前提下，建立一個(gè)具有較少變量數(shù)目及規(guī)則數(shù)目的模糊模型。 本文采用最大一最小蟻群算法MMAS代替基本蟻群算法ACO對(duì)模糊模型進(jìn)行優(yōu)化。MMAS對(duì)信息素濃度引入最大值和最小值限制，將各條路徑上的信息素濃度限制在一定的范圍內(nèi)，能夠擴(kuò)