طراحی بهینه چندهدفی شبکه فازی- عصبی توسط الگوریتم ترکیبی تکامل تفاضلی و تجمعی ذره براساس منطق فازی

شبکه های فازی عصبی به دلیل کاربرد گسترده ای که در مدل سازی فرآیندهای پیچیده براساس داده های آزمایشگاهی دارند مورد توجه محققین قرار گرفته اند. در سیسم استنتاج فازی عصبی هدف کاهش خطای پیش بینی سیستم نسبت به داده های اصلی است. تنظیم پارامترهای شبکه فازی عصبی از اهمیت بسیار بالایی برخوردار است و بر عملکرد آن تاثیرگذار می گذارد. برای این منظور الگوریتم بهینه سازی جدیدی مبتنی بر ترکیب دو روش بهینه سازی تکامل تفاضلی و تجمعی ذره ارایه شده است. در این الگوریتم ضرایب سرعت عملگرها با استفاده از منطق فازی به صورت دینامیکی محاسبه می شوند. این ضرایب با توجه به شماره نسل و واریانس ذرات تنظیم می شوند. در الگوریتم پیشنهادی سعی شده است که در محل های کم جمعیت تر فضای جست وجو بیشتر کاوش شود و از گیرافتادن الگوریتم در نقاط بهینه محلی جلوگیری شود. در ادامه با بهینه سازی سه تابع معیار نتایج حاصل از الگوریتم تکامل تفاضلی و تجمعی ذرات و روش پیشنهادی با هم مقایسه می شوند و عملکرد قابل قبول الگوریتم ارایه شده، قابل لمس است. در انتها شبکه فازی عصبی برای پیش بینی سری زمانی تابع مکی گلاس تعریف شده است که با استفاده از الگوریتم ارایه شده و الگوریتم های تکامل تفاضلی و تجمعی ذره، توابع تعلق مربوط به ورودی و خروجی شبکه فازی عصبی به صورت دوهدفه بهینه می شوند و نمودار پارتو به دست آمده از این روش ها با هم مقایسه می شوند که نشان دهنده عملکرد بهتر الگوریتم پیشنهادی است.