基于改进蚁群算法的模糊逻辑系统的设计

张智峰，王 涛，范秋枫



基于改进蚁群算法的模糊逻辑系统的设计

张智峰，王 涛，范秋枫

（辽宁工业大学 理学院，辽宁 锦州 121001）

提出了一种进行全局信息素迹更新的改进蚁群算法(IACO)，并用此智能算法来进行模糊逻辑系统规则的筛选，以此来提高模糊逻辑系统(FLS)的精确性。将选择出来性能最优的规则作为规则基，融入神经网络中并设计相应的模糊逻辑系统。为了检验系统的性能，将设计的模糊逻辑系统用于国际石油价格的预测，仿真结果表明，提出的方法是有效的。与无规则筛选的和基于蚁群算法(ACO)的模糊逻辑系统相比，都能够取得良好的效果。

改进蚁群算法；模糊逻辑系统；神经网络；蚁群算法；BP算法

L.A.Zadeh教授于1965年首次提出模糊集合[1]的概念，经过几代数学家的不断发展和超越，目前模糊数学已经趋于成熟，渗透于各个学科。模糊逻辑系统[2]是在模糊数学的基础上发展起来的一门学科，模糊逻辑系统已广泛应用于自动控制、模式识别和决策分析等问题中，比其他方法更具有优越性，能够取得理想的效果[3]。然而，面临的一大问题就是模糊规则难以获取。为了克服这一难题，目前已提出许多用于规则的筛选和更新的方法，将模糊规则的选取和更新与智能算法相结合为一大热点。比如模糊神经网络[3]、基于遗传算法(GA)的模糊系统设计[4]、基于粒子群(PSO)算法的模糊逻辑系统设计、基于蚁群算法的模糊控制[5]等，与经典的算法相比，都取得了较为理想的结果，但这些方法目前仅用于单目标决策问题，对于多目标、多决策问题还有待于研究。……