مقاله طراحی بهینه سیستم های طبقه بندی فازی با استفاده از PSO با تنظیم پویای پارامترها از طریق منطق فازی (2013 الزویر)

۱. مقدمه

۲. روش‌شناسی برای تطبیقِ پارامتر

۳. آزمایش با سیستم‌های فازی و توابعِ ریاضیاتیِ محک

۴. مقایسه‌ی آماری

۵. طراحیِ طبقه‌بندِ فازی

۶. روش‌شناسی برای طراحیِ طبقه‌بندهای فازی

۷. آزمایشِ طراحیِ طبقه‌بندهای فازی

۸. مقایسه‌ی آماریِ طبقه‌بندهای فازی

۹. نتیجه‌گیری

In this paper a new method for dynamic parameter adaptation in particle swarm optimization (PSO) is proposed. PSO is a metaheuristic inspired in social behaviors, which is very useful in optimization problems. In this paper we propose an improvement to the convergence and diversity of the swarm in PSO using fuzzy logic. Simulation results show that the proposed approach improves the performance of PSO. First, benchmark mathematical functions are used to illustrate the feasibility of the proposed approach. Then a set of classification problems are used to show the potential applicability of the fuzzy parameter adaptation of PSO.

در این مقاله شیوه‌ای جدید برای تطبیقِ پویای پارامتر در بهینه‌سازیِ ازدحام ذرات (PSO) پیشنهاد شده است. PSO یک روشِ فرایابشیِ مهم از رفتارهای اجتماعی‌ست که در مسایلِ بهینه‌سازی بسیار مفید می‌باشد. در این مقاله ما بهبودی در همگرایی و پراکندگیِ ازدحام در PSO را با استفاده از منطقِ فازی پیشنهاد داده‌ایم. نتایجِ شبیه‌سازی نشان می‌دهند که رویکردِ پیشنهادی، عملکردِ PSO را بهبود می‌بخشد. نخست، از توابعِ ریاضیاتیِ محک برای توضیحِ امکان‌پذیر بودنِ رویکردِ پیشنهادی استفاده شده است. سپس از مجموعه‌ای از مسایلِ طبقه‌بندی برای نشان دادنِ کاربردهای بالقوه‌ی تطبیقِ فازیِ پارامتر برای PSO استفاده شده است.