|
|
|
|
بررسی چند الگوریتم فراابتکاری و کاربرد آن‌ها در سیستم‌های استنتاج فازی
|
|
|
|
|
|
|
|
نویسنده
|
سیاسرجهان تیغی فاطمه ,رضایی حسن ,کیخا محمدمهدی
|
|
منبع
|
اولين كنفرانس بين المللي هوش مصنوعي و فناوري هاي مرتبط - 1404 - دوره : 1 - اولین کنفرانس بین المللی هوش مصنوعی و فناوری های مرتبط - کد همایش: 04250-48654 - صفحه:0 -0
|
|
چکیده
|
در عصر اطلاعات، الگوریتم‌های فراابتکاری نقش کلیدی در حل مسائل پیچیده بهینه‌سازی دارند. این پژوهش به بررسی دو الگوریتم فراابتکاری رقابت استعماری فازی (fica) و بهینه‌سازی ازدحام ذرات فازی (fpso) و کاربرد آن‌ها در بهبود سیستم‌های استنتاج فازی (fis) برای دسته‌بندی داده‌ها می‌پردازد. هدف اصلی این پژوهش، بررسی و پیاده‌سازی دو روش نوین برای تنظیم پویای پارامترهای الگوریتم‌های فراابتکاری با استفاده از منطق فازی است. پارامتر بتا در fica و ضرایب c₁ و c₂ در fpso به‌صورت پویا تنظیم شده‌اند. این روش‌ها با استفاده از مجموعه داده‌های استاندارد iris و توابع تست بنچمارک شامل ackley، rastrigin، rosenbrock و sphere ارزیابی شده است. نتایج نشان‌دهنده برتری fica نسبت به fpso و روش‌های کلاسیک از نظر دقت و کارایی است. این پژوهش با ارائه چارچوبی علمی برای تنظیم پویای پارامترها در محیط فازی، دقت سیستم‌های استنتاج فازی را بهبود بخشیده و زمینه‌ساز تحقیقات آتی در این حوزه است.
|
|
کلیدواژه
|
الگوریتم‌های فراابتکاری،سیستم استنتاج فازی،، الگوریتم رقابت استعماری فازی،،بهینه‌سازی ازدحام ذرات فازی،دسته‌بندی فازی
|
|
آدرس
|
, iran, , iran, , iran
|
|
پست الکترونیکی
|
keikha@cs.usb.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
investigation of several metaheuristic algorithms and their applications in fuzzy inference systems
|
|
|
|
|
Authors
|
|
|
Abstract
|
in the information era, metaheuristic algorithms play a crucial role in addressing complex optimization problems. this study investigates two metaheuristic algorithms, fuzzy imperialist competitive algorithm (fica) and fuzzy particle swarm optimization (fpso), and their applications in enhancing fuzzy inference systems (fis) for data classification. the primary objective is to explore and implement two novel methods for dynamically tuning the parameters of metaheuristic algorithms using fuzzy logic. the beta parameter in fica and the c₁ and c₂ coefficients in fpso are dynamically adjusted. the proposed approach is evaluated using the standard iris dataset and benchmark test functions, including ackley, rastrigin, rosenbrock, and sphere. results demonstrate the superiority of fica over fpso and classical methods in terms of accuracy and efficiency. by providing a scientific framework for dynamic parameter tuning in a fuzzy environment, this research enhances the accuracy of fuzzy inference systems and paves the way for future studies in this field
|
|
Keywords
|
metaheuristic algorithms ,fuzzy inference system ,fuzzy imperialist competitive algorithm ,fuzzy particle swarm optimization ,fuzzy classification
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|