یک روش جدید برای ساخت جمعیت اولیه در الگوریتم پرش قورباغه وکاربرد آن در ساخت سیستم های دست هبند فازی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 908

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICS12_033

تاریخ نمایه سازی: 11 مرداد 1393

Abstract:

الگوریتم فوق ابتکاری پرش قورباغه، که یک الگوریتم ممتیک و مبتنی بر جمعیت اولیه است، از تکامل گروهی از قورباغه ها زمانی که به دنبال محل با بیشترین ذخیره غذایی می گردند الهام گرفته شده است. دسته بند فازی سوگنوی مرتبه ی صفر یک سیستم استنتاجفازی است که قسمت تالی قوانین اگر-آنگاه آن تنها شامل یک مقدار عددی ثابت است. میزان موفقیت الگوریتم پرش قورباغه به مقدار زیادی به ترکیب جمعیت اولیه بستگی دارد. اگر جمعیت اولیه از کیفیت مناسبی برخوردار نباشد، چه بسا الگوریتم نتواند جواب مناسبی برای مسأله بیابد. از همین رو، در این مقاله با ارائه روش جدیدی برای ساخت جمعیت اولیه، کارایی الگوریتم جستجوی پرشقورباغه را بهبود بخشیده ایم. برای نشان دادن افزایش کارایی الگوریتم، از آن برای ساخت دسته بند های فازی سوگنو استفاده شده است. نتایج تجربی بدست آمده نشان می دهد که سیستم های فازی ساخته شده با استفاده از الگوریتم بهبود یافتهی پرش قورباغه در تمام حالت ها دقت بیشتری نسبت به سیستم های فازی ساخته شده با استفاده از الگوریتم استاندارد پرش قورباغه دارد

Keywords:

Authors

شهلا محمدلو

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب ، تهران

علی برومندنیا

استادیار، گروه کامپیوتر، دانشکده فنی مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب ، تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Aghababa, M. P., Akbari, M. E., Shotorani, A. M., Shotorbani, ...
  • Alcala, R., Alcala-Fdez , J., Gacto, M. J., Herrera, F., ...
  • Bodur, M., Acan, A., Akyol, T., Fuzzy System Modeling with ...
  • Elbeltagi, E., Hegazy, T., Grierson, D., A modified algorithm: ...
  • applications to project management, Structure and Infrastructure Engineering, Vol. 3, ...
  • Elragal, H. M., Improving accuracy of fuzzy classifiers using swarm ...
  • Esmin, A.A.A., Aoki, A.R., Lamb ert-Torres, G., Particle _ optimization ...
  • Eusuff, M., Lansey, K., Pasha, F., Shuffled frog-leaping algorithm: a ...
  • Gu, F., Ngai Ming, K., Quang, H., Automatic Fuzzy Membership ...
  • Huai-xiang, Z., Feng, W., Bo, Z., Genetic optimization of fuzzy ...
  • Kosanam, S., Simon, D., Fuzzy membership function optimization for system ...
  • Mansoori, E. G., Zolghadri, M. J., Katebi, S. D., A ...
  • Meijie, W., Weimin, D., A modified shuffled frog leaping algorithm ...
  • Papadakis, S. E., Theocharis, J. B., A GA-based fuzzy modeling ...
  • Rahnamayan, S., Tizhoosh, H. R., Salama, M.M.A., Evolution, ...
  • Transactions on Evolutionary Computation, Vol. 12, No. 1, pp. 64-79, ...
  • Roubos, J. A., Setnes, M., Abonyi, J., Learning fuzzy classification ...
  • Setnes, M., Roubos, H., GA-fuzzy modeling and classification: complexity and ...
  • Silva, I., Flauzino, R., Efficient Parametric Adjustment of Un constrained ...
  • Optimization, in: Sandoval, F., Prieto, A.. Cabestany, J., Graia, M. ...
  • Wang, L, Fang, C., An effective shuffled frog-leaping algorithm for ...
  • Yongsheng, Z., Baoying, L, A New Method for Optimizing Fuzzy ...
  • Ziyang, Z., Daobo, W., Yuanyuan, L., Improved shuffled frog leaping ...
  • نمایش کامل مراجع