بهینه سازی پایگاه قواعد فازی با استفاده از الگوریتم کلونی زنبور مصنوعی

احد عبادی لاهیجان; سهراب خان محمدی; غضنفر شاهقلیان

بهینه سازی پایگاه قواعد فازی با استفاده از الگوریتم کلونی زنبور مصنوعی

محل انتشار: شانزدهمین کنفرانس دانشجویی مهندسی برق ایران

سال انتشار: 1392

نوع سند: مقاله کنفرانسی

زبان: فارسی

مشاهده: 589

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/265455

شناسه ملی سند علمی:

ISCEE16_403

تاریخ نمایه سازی: 21 تیر 1393

چکیده مقاله:

قوانین فازی در روش های سنتی طراحی سیستم های فازی با تکیه بر تجربه طراح و با استفاده از روش های آزمون و خطا ایجاد می شوند. در این مقاله روش جدیدی برای طراحی پایگاه قواعد در سیستم فازی نوع TSK با استفاده از الگوریتم کلونی زنبور مصنوعی، برای مدل سازی سیستم غیرخطی ارائه می شود. در این تحقیق الگوریتم کلونی زنبور مصنوعی برای تنظیم پارامترهای پایگاه قواعد فازی به کار رفته است. عملکرد روش پیشنهادی به وسیله مقایسه نتایج برخی روش های موجود در مدلسازی سیستم غیرخطی نشان داه شده است. نتایج شبیه سازی، نشان دهنده عملکرد مناسب روش ارائه شده نسبت به دیگر روش های مدلسازی است.

کلیدواژه ها:

الگوریتم کلونی زنبور مصنوعی ، طراحی پایگاه قواعد فازی ، مدلسازی فازی

نویسندگان

احد عبادی لاهیجان

گروه مهندسی برق دانشگاه آزاد اسلامی واحد نجف آباد

سهراب خان محمدی

استاد دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز

غضنفر شاهقلیان

استادیار دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد نجف آباد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

Z. Chi, H. Yan, T. Pham, "Fuzzy Algorithms: With Application ...
W. Pedrycz (Ed.), "Fuzzy Modeling: Paradigms and Practice", Kluwer Academic ...
D. Driankov, H. Hellendoorn, M. Reinfrank, _ Introduction o Fuzzy ...
_ _ _ process ...
T. Takagi, M. Sugeno, "Fuzzy identification of systems and its ...
Y. C. Chioua, L. W. Lanb, Genetic fuzzy logic controller: ...
M. Fazzolari, R. Alcal'a, Y. Nojima, H. Ishibuchi, F. Ferrera, ...
H. Ishibuchi, K. Nozaki, N. Yamamoto, and H. Tanaka, Selecting ...
Algorithms, IEEE Trans. Fuzzy Syst., vol. 3, no. 3, pp.60-70, ...
C. F. Juang, _ TSK-type recurrent fuzzy network ...
O. Guenounou a, A. Belmehdi, B. Dahhou, Multi-objective optimization of ...
C.F. Juang, "A hybrid of genetic algorithm and particle Swarm ...
C. F. Juang and C. Lo, "Zero-order TSK-type fuzzy system ...
S. Kamyaba, A. Bahrololouma, Designing of rule base for a ...
_ _ _ _ for ...
D. Karaboga, _ idea based on honey bee Swarm for ...
F. Kang, J. Li, H. Li, Z. Ma and Q. ...
fuzzy rule base for nonlinear system modeling and control", IEEE ...
GEP. Box, GM. Jenkins, "Time series analysis, forecasting, and control", ...
RM. Tong, "Synthesis of fuzzy models for industrial processes- some ...
W. Pedrycz, _ identification algorithm in fuzzy relational systems. Fuzzy ...
CW. Xu, YZ. Lu, "Fuzzy model identification and self-learning for ...
_ _ _ Fuzzy Sets and Systems, (42):315-34, 1991. ...
L. Wang, R. Langari, "Complex systems modeling via fuzzy logic", ...
E. Kim, M. Park, S. Ji, M. Park, "A new ...

نمایش کامل مراجع