吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2014年
5期
476-483
,共8页
威布尔分布%参数估计%模糊逻辑%粒子群算法%模拟退火算法
威佈爾分佈%參數估計%模糊邏輯%粒子群算法%模擬退火算法
위포이분포%삼수고계%모호라집%입자군산법%모의퇴화산법
weibull distribution%estimate parameter%fuzzy logic%particle swarm optimization%simulated annealing algorithm
为解决威布尔分布等复杂分布模型采用常规方法很难直接进行参数估计的问题,提出了基于模糊粒子群模拟退火算法的威布尔分布参数估计.该算法根据粒子个体纵向和横向运动特性,引入模糊逻辑推理动态调整惯性权值因子,提高了粒子群算法(PSO:Particle Swarm Optimization)的收敛速率;将上述模糊粒子群算法(FPSO:Fuzzy Particle Swarm Pptimization)与模拟退火算法(SA:Simulated Annealing)结合,以FPSO算法的速度位置更新公式作为SA算法的状态生成函数,再运用Metropolis算法以概率接受新状态,获得全局最优参数估计值.将基于上述智能算法的参数估计法运用到威布尔分布参数估计中,提高了参数估计精度.实际应用表明,该参数估计方法在复杂分布模型参数估计中具有可行性和有效性.
為解決威佈爾分佈等複雜分佈模型採用常規方法很難直接進行參數估計的問題,提齣瞭基于模糊粒子群模擬退火算法的威佈爾分佈參數估計.該算法根據粒子箇體縱嚮和橫嚮運動特性,引入模糊邏輯推理動態調整慣性權值因子,提高瞭粒子群算法(PSO:Particle Swarm Optimization)的收斂速率;將上述模糊粒子群算法(FPSO:Fuzzy Particle Swarm Pptimization)與模擬退火算法(SA:Simulated Annealing)結閤,以FPSO算法的速度位置更新公式作為SA算法的狀態生成函數,再運用Metropolis算法以概率接受新狀態,穫得全跼最優參數估計值.將基于上述智能算法的參數估計法運用到威佈爾分佈參數估計中,提高瞭參數估計精度.實際應用錶明,該參數估計方法在複雜分佈模型參數估計中具有可行性和有效性.
위해결위포이분포등복잡분포모형채용상규방법흔난직접진행삼수고계적문제,제출료기우모호입자군모의퇴화산법적위포이분포삼수고계.해산법근거입자개체종향화횡향운동특성,인입모호라집추리동태조정관성권치인자,제고료입자군산법(PSO:Particle Swarm Optimization)적수렴속솔;장상술모호입자군산법(FPSO:Fuzzy Particle Swarm Pptimization)여모의퇴화산법(SA:Simulated Annealing)결합,이FPSO산법적속도위치경신공식작위SA산법적상태생성함수,재운용Metropolis산법이개솔접수신상태,획득전국최우삼수고계치.장기우상술지능산법적삼수고계법운용도위포이분포삼수고계중,제고료삼수고계정도.실제응용표명,해삼수고계방법재복잡분포모형삼수고계중구유가행성화유효성.
