Abstract
A continuous ant colony algorithm is first proposed to identify fuzzy systems. It is used to construct five fuzzy systems to approximate nonlinear functions of one, two, and three variables. The effect of algorithm parameters on the approximation error is studied. A comparative analysis with other identification algorithms showed an advantage of the proposed algorithm
چکیده
در ابتدا به منظور شناسایی سیستم های فازی، یک الگوریتم کلونی مورچگان پیوسته ارائه می شود. از این الگوریتم برای ساخت پنج سیستم فازی و تخمین توابع غیرخطی یک، دو و سه متغیر استفاده می شود. تاثیر پارامترهای الگوریتم روی خطای تخمین بررسی می گردد. تحلیل مقایساتی با دیگر الگوریتم های شناسایی نشانگر برتری الگوریتم پیشنهادی می باشد.
1-مقدمه
هدف شناسایی یک سیستم فازی، ساخت مدلی است که نگاشت ورودی خروجی سیستم را توصیف نماید. در شناسایی فازی، این نگاشت به شکل یک سیستم فازی می باشد. مزیت اصلی چنین سیستم هایی این است که در مشخص کردن روابط غیرقطعی و پیچیده به گونه ای شفاف قابل استفاده هستند. کاربرد سیستم های فازی در حل مسائل کنترل خودکار، پیش بینی، تشخیص الگو و تصمیم گیری، متخصصین را ناچار کرده است تا به دنبال روش های موثر در ساخت چنین سیستم هایی باشند (که نه تنها با استفاده از الگوریتم های بهینه سازی برپایه مشتق ها، بلکه همچنین از طریق روش های فرااکتشافانه (اغلب الگوریتم های ژنتیک و شبکه های عصبی) شناسایی می شوند). در سال های اخیر، الگوریتم های کلونی مورچگان (ACA) بدین منظور مورد استفاده قرار گرفته اند…