جستجو در:
دوره ۱۹، شماره ۲ - ( بهمن ۱۳۹۷ )
جلد ۱۹ شماره ۲ صفحات ۴۸۲-۴۷۵ |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Pourhashem H, Jamali A, Narimanzade N. Multi-Objective Optimum Design of a Neuro-Fuzzy Network Using a Combined PSO and DE Algorithm Based on Fuzzy Logic. Modares Mechanical Engineering 2019; 19 (2) :475-482
URL: http://mme.modares.ac.ir/article-15-20542-fa.html
URL: http://mme.modares.ac.ir/article-15-20542-fa.html
پورهاشم حامد، جمالی علی، نریمان‌‌زاده نادر. طراحی بهینه چندهدفی شبکه فازی- عصبی توسط الگوریتم ترکیبی تکامل تفاضلی و تجمعی ذره براساس منطق فازی. مهندسی مکانیک مدرس. ۱۳۹۷; ۱۹ (۲) :۴۷۵-۴۸۲
حامد پورهاشم۱ 
، علی جمالی* ۲، نادر نریمان‌‌زاده۱
، علی جمالی* ۲، نادر نریمان‌‌زاده۱
۱- گروه دینامیک و کنترل و ارتعاشات، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران
۲- گروه دینامیک و کنترل و ارتعاشات، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران ،ali.jamali@guilan.ac.ir
۲- گروه دینامیک و کنترل و ارتعاشات، دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران ،
چکیده: (۴۹۲۴ مشاهده)
شبکه‌های فازی- عصبی به‌دلیل کاربرد گسترده‌ای که در مدل‌سازی فرآیندهای پیچیده براساس داده‌های آزمایشگاهی دارند مورد توجه محققین قرار گرفته‌اند. در سیسم استنتاج فازی- عصبی هدف کاهش خطای پیش‌بینی سیستم نسبت به داده‌های اصلی است. تنظیم پارامترهای شبکه فازی- عصبی از اهمیت بسیار بالایی برخوردار است و بر عملکرد آن تاثیرگذار می‌گذارد. برای این منظور الگوریتم بهینه‌سازی جدیدی مبتنی‌بر ترکیب دو روش بهینه‌سازی تکامل تفاضلی و تجمعی ذره ارایه شده است. در این الگوریتم ضرایب سرعت عملگرها با استفاده از منطق فازی به‌صورت دینامیکی محاسبه می‌شوند. این ضرایب با توجه به شماره نسل و واریانس ذرات تنظیم می‌شوند. در الگوریتم پیشنهادی سعی شده است که در محل‌های کم‌جمعیت‌تر فضای جست‌وجو بیشتر کاوش شود و از گیرافتادن الگوریتم در نقاط بهینه محلی جلوگیری شود. در ادامه با بهینه‌سازی سه تابع معیار نتایج حاصل از الگوریتم تکامل تفاضلی و تجمعی ذرات و روش پیشنهادی با هم مقایسه می‌شوند و عملکرد قابل قبول الگوریتم ارایه شده، قابل لمس است. در انتها شبکه فازی- عصبی برای پیش‌بینی سری زمانی تابع مکی- گلاس تعریف شده است که با استفاده از الگوریتم ارایه‌شده و الگوریتم‌های تکامل تفاضلی و تجمعی ذره، توابع تعلق مربوط به ورودی و خروجی شبکه فازی- عصبی به‌صورت دوهدفه بهینه می‌شوند و نمودار پارتو به‌دست‌آمده از این روش‌ها با هم مقایسه می‌شوند که نشان‌دهنده عملکرد بهتر الگوریتم پیشنهادی است.
واژه‌های کلیدی: بهینه سازی
تجمعی ذره
تکامل تفاضلی
منطق فازی
شبکه فازی-عصبی
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
کنترل
دریافت: 1397/2/16 | پذیرش: 1397/8/8 | انتشار: 1397/11/13
دریافت: 1397/2/16 | پذیرش: 1397/8/8 | انتشار: 1397/11/13
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |