基于PSO算法的模糊数三角表示方法的开发

DOI:

评审日期

出版日期

注解: 研究的主题是用于解决优化问题的智能算法。 众所周知，对于相同的设计程序，在某些情况下需要获得精确的解，而在其他情况下，获得近似解就足够了。 由于这个原因，控制所获得的近似解的精度的问题是相关的。 一个近似解可以理解为某个区域的点，每个点都可以在某种程度上是问题的解决方案。 假设在求解优化问题的初始阶段，允许使用模糊值进行操作，逐渐缩小搜索区域。 提出了一种方法，它补充了众所周知的"使用粒子群进行优化"的算法，具有处理具有三角形表示的模糊数的能力。 自适应搜索优化问题解决方案的现代多智能体方法正朝着改进智能体之间交互方式的方向发展。 例如，公知的"使用粒子群进行优化"（Particle Swarm Optimization,PSO)的方法是基于种群的概念，并对群中的鸟类和鱼群的行为进行建模。 与此同时，寻找解决方案的经典bioinspired方法通常具有明确的解决方案。 通过对具有三角形表示的模糊数执行众所周知的操作，开发了PSO算法的修改。 所提出的方法的一个显着特征是在模糊空间中搜索解决方案的智力过程的组织，其独创性在于开发一种智能代理（代理组）在由模糊数字的三角形表示 这种方法允许您在模糊空间中搜索解决方案，使用形式为"接近X"的变量，而无需诉诸语言分析。

出版日期: