一種模糊Petri網(wǎng)參數(shù)優(yōu)化的有效方法.pdf

1、模糊Petri網(wǎng)對(duì)解決知識(shí)的表示問題和提高知識(shí)的并行處理能力是一種非常有效的方法和途徑，但模糊系統(tǒng)自身的一個(gè)缺陷就是學(xué)習(xí)能力差。這主要體現(xiàn)在模糊Petri網(wǎng)中的閾值、確信度、權(quán)值等一些參數(shù)的確定問題上，無法通過機(jī)器學(xué)習(xí)而獲得，必須通過相關(guān)專家依據(jù)經(jīng)驗(yàn)給出，降低了模糊Petri網(wǎng)的泛化能力。該文要重點(diǎn)討論的內(nèi)容就是，如何將神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力借鑒到模糊Petri網(wǎng)參數(shù)學(xué)習(xí)問題上來，要求能達(dá)到經(jīng)過有限個(gè)樣本數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練后，模糊Petri

2、網(wǎng)模型具有較強(qiáng)的泛化能力，推理結(jié)果更符合實(shí)際系統(tǒng)的需要。 該文在深入分析FPN推理機(jī)制和人工智能領(lǐng)域的蟻群、遺傳算法的基礎(chǔ)上，提出了一種帶交叉、變異因子的模糊Petri網(wǎng)參數(shù)值尋優(yōu)的有效方法。該方法用蟻群算法尋優(yōu)出參數(shù)值的候選集，用遺傳算法精確確有出最優(yōu)結(jié)果，并針對(duì)一知識(shí)庫系統(tǒng)的具體問題，將該方法與BP算法、遺傳算法、基本蟻群算法進(jìn)行了比較分析。仿真實(shí)驗(yàn)表明，運(yùn)用帶交叉、變異因子的蟻群算法訓(xùn)練出的參數(shù)正確率較準(zhǔn)，精度較高，對(duì)于復(fù)