模糊Petri網(wǎng)參數(shù)優(yōu)化問題的研究及分析.pdf

1、模糊Petri網(wǎng)是基于模糊產(chǎn)生式規(guī)則知識庫系統(tǒng)的良好建模工具，但自學習能力差是模糊系統(tǒng)的一個缺陷。模糊產(chǎn)生式規(guī)則中的一些參數(shù)，例如權(quán)值、閥值、確信度的確定在很大程度上依賴于人的經(jīng)驗，難以精確獲得，這阻礙了模糊Petri網(wǎng)的知識推理和泛化能力。如何把神經(jīng)網(wǎng)絡(luò)的學習功能結(jié)合進模糊Pctri網(wǎng)，使得模糊Petri網(wǎng)經(jīng)過一批樣本的學習和訓練后，一方面具有一定泛化功能，另一方面擺脫構(gòu)建FPN模型時產(chǎn)生式規(guī)則的參數(shù)對經(jīng)驗的依賴，使參數(shù)更符合實際系統(tǒng)

2、情況，這就是本文要重點討論的FPN學習能力的問題。另外，如何根據(jù)一具體實例約簡模糊Petri網(wǎng)，使其更符合實際應(yīng)用的需要，也是本文要探討的另一問題。 該文在探討模糊Petri網(wǎng)構(gòu)建過程中的約簡步驟，并深入分析FPN推理機制的基礎(chǔ)上，將人工智能領(lǐng)域的四種優(yōu)化算法——遺傳(GA)、BP、蟻群(ACA)、克隆選擇(CSA)引入至FPN參數(shù)尋優(yōu)過程中來，針對一知識庫系統(tǒng)的具體問題，對比分析了各優(yōu)化算法的特點和性能優(yōu)劣。仿真實驗表明，運用