在當(dāng)前對(duì)置信規(guī)則庫(kù)（BRB）的研究中,前提屬性、輸出置信度和規(guī)則庫(kù)大小等參數(shù)都由專家給出,會(huì)使BRB參數(shù)受專家知識(shí)的局限而不準(zhǔn)確,提出了一種基于改進(jìn)的差分進(jìn)化算法（IDE）的對(duì)置信規(guī)則庫(kù)的參數(shù)進(jìn)行優(yōu)化的方法。在IDE中,自適應(yīng)選擇變異策略來提高執(zhí)行效率,且在變異部分加入擾動(dòng),并加入了局部搜索來平衡差分進(jìn)化全局與局部搜索的能力。最后,使用中國(guó)某煙廠采取的水松紙透氣度檢測(cè)數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,所提出的方法對(duì)BRB的優(yōu)化是有效的。 

【文章來源】：控制工程. 2019,26(03)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

BRB系統(tǒng)參數(shù)優(yōu)化的基本思想和過程Fig.1ParameteroptimizationofBRB

期張勤莉等：差分進(jìn)化算法的置信規(guī)則庫(kù)參數(shù)優(yōu)化·559·實(shí)驗(yàn)結(jié)果的誤差對(duì)比見表1。表1誤差表Tab.1Errortable算法maxminavestdFMINCAN0.36750.00020.04420.0427DE0.39380.00040.04690.0418ADE0.32390.00020.03870.0414ADE-V10.31470.00020.03410.0395IADE0.30010.00010.03130.0363通過表1的效用統(tǒng)計(jì)對(duì)比各個(gè)優(yōu)化方法的相對(duì)誤差均值和方差，IADE均小于其他方法。這說明IADE較其他方法的計(jì)算精度更高，誤差分布更加均勻，說明模型對(duì)數(shù)據(jù)的擬合能力較為穩(wěn)定。另外，由圖3可以看出，IADE比其他算法的進(jìn)化效率要高，每一步對(duì)DE的改進(jìn)都是有效的，且進(jìn)化曲線更平滑，說明算法魯棒性更好。表1中max表示最大相對(duì)誤差，min表示最小相對(duì)誤差，ave表示平均相對(duì)誤差，std表示標(biāo)準(zhǔn)差。為了能更清楚地觀察IADE相較于DE算法的改進(jìn)效果，將各算法在迭代更新過程中的相對(duì)誤差作比較，如圖3所示。圖3算法進(jìn)化曲線Fig.3Evolutioncurveofalgorithms由以上實(shí)驗(yàn)數(shù)據(jù)可以表明，本文所提BRB模型在參數(shù)訓(xùn)練后能夠較好地?cái)M合透氣度的真實(shí)值。IADE優(yōu)化的BRB模型對(duì)水松紙的透氣度擬合平均相對(duì)誤差為0.0313，低于工業(yè)要求標(biāo)準(zhǔn)0.05，說明模型能夠在允許誤差范圍內(nèi)對(duì)透氣度進(jìn)行較為準(zhǔn)確的擬合，具有一定的工業(yè)意義。5結(jié)論針對(duì)置信規(guī)則庫(kù)中參數(shù)訓(xùn)練的問題，本文提出了一種改進(jìn)的差分進(jìn)化算法對(duì)BRB參數(shù)進(jìn)行學(xué)習(xí)優(yōu)化。本文提出的一種改進(jìn)的差分進(jìn)化算法，在運(yùn)算過程中可自適應(yīng)進(jìn)行選擇合適的變異策略，以保證種群進(jìn)化小路，并可在運(yùn)算過程中產(chǎn)生擾動(dòng)，以增加種群的多樣性，此外還可對(duì)最優(yōu)解鄰域進(jìn)行局?

【參考文獻(xiàn)】：
碩士論文
[1]圖像處理技術(shù)在透氣度檢測(cè)中的應(yīng)用研究[D]. 劉守鋒.昆明理工大學(xué) 2007



本文編號(hào)：3051238