计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
8期
2161-2165,2174
,共6页
苏群%杨隆浩%傅仰耿%吴英杰%巩晓婷
囌群%楊隆浩%傅仰耿%吳英傑%鞏曉婷
소군%양륭호%부앙경%오영걸%공효정
置信规则库%证据推理%粒子群优化算法%参数优化模型%参数训练
置信規則庫%證據推理%粒子群優化算法%參數優化模型%參數訓練
치신규칙고%증거추리%입자군우화산법%삼수우화모형%삼수훈련
Belief Rule Base (BRB)%Evidential Reasoning (ER)%Particle Swarm Optimization (PSO) algorithm%parameter optimization model%parameter training
针对置信规则库(BRB)中参数优化模型的求解问题,引入群智能算法中的粒子群优化(PSO)算法,提出一种新的参数训练方法.将参数优化模型求解问题转换为带约束条件的非线性优化问题,在迭代寻优时限制粒子在搜索空间中,对失去速度的粒子重新赋予速度,维持种群中粒子多样性,从而实现参数训练.在输油管道检漏问题仿真实验中,训练后系统的平均绝对误差(MAE)为0.166478.实验结果表明,所提方法有理想的收敛精度,可用于置信规则库参数训练.
針對置信規則庫(BRB)中參數優化模型的求解問題,引入群智能算法中的粒子群優化(PSO)算法,提齣一種新的參數訓練方法.將參數優化模型求解問題轉換為帶約束條件的非線性優化問題,在迭代尋優時限製粒子在搜索空間中,對失去速度的粒子重新賦予速度,維持種群中粒子多樣性,從而實現參數訓練.在輸油管道檢漏問題倣真實驗中,訓練後繫統的平均絕對誤差(MAE)為0.166478.實驗結果錶明,所提方法有理想的收斂精度,可用于置信規則庫參數訓練.
침대치신규칙고(BRB)중삼수우화모형적구해문제,인입군지능산법중적입자군우화(PSO)산법,제출일충신적삼수훈련방법.장삼수우화모형구해문제전환위대약속조건적비선성우화문제,재질대심우시한제입자재수색공간중,대실거속도적입자중신부여속도,유지충군중입자다양성,종이실현삼수훈련.재수유관도검루문제방진실험중,훈련후계통적평균절대오차(MAE)위0.166478.실험결과표명,소제방법유이상적수렴정도,가용우치신규칙고삼수훈련.
