شناسایی سیستم فازی با الگوریتم کلونی مورچگان پیوسته

مقدمه:

درابتدا به منظور شناسایی سیستم های فازی، یک الگوریتم کلونی مورچگان پیوسته ارائه می شود. از این الگوریتم برای ساخت پنج سیستم فازی و تخمین توابع غیرخطی یک، دو و سه متغیر استفاده می شود. تاثیر پارامترهای الگوریتم روی خطای تخمین بررسی می گردد. تحلیل مقایساتی با دیگر الگوریتم های شناسایی نشانگر برتری الگوریتم پیشنهادی می باشد و این مقاله الگوریتم بهینه‌سازی مشارکتی کلونی مورچگان پیوسته (CCACO) را ارائه داده و آن را در مسائل طراحی سیستم‌های فازی (FS) دقت‌‌گرا[1] به کار می‌گیرد

چکیده:

هدف شناسایی یک سیستم فازی، ساخت مدلی است که نگاشت ورودی خروجی سیستم را توصیف نماید. در شناسایی فازی، این نگاشت به شکل یک سیستم فازی می باشد. مزیت اصلی چنین سیستم هایی این است که در مشخص کردن روابط غیرقطعی و پیچیده به گونه ای شفاف قابل استفاده هستند. سیستم‌های فازی تکاملی که سیستم‌های فازی را از طریق تکنیک‌های محاسبات تکاملی جمعیت‌محوری چون الگوریتم‌های ژنتیک (GA) و هوش جمعی (SI) طراحی می‌کنند، در دو دهه‌ی اخیر بسیار مورد توجه واقع شده‌اند. برخلاف سیستم‌های فازی عصبی (NFS) که از الگوریتم گرادیان نزولی استفاده می‌کنند، این تکنیک با احتمال خیلی که به دام کمینه‌های محلی می‌افتد.تیم پی سی اسکریپت تلاش نموده است در این مقاله به چگونگی مساله بپردازد.