改进蚁群算法对TSK-FLS的参数设计

兰 洁

改进蚁群算法对TSK-FLS的参数设计

兰 洁

（辽宁工业大学 理学院，辽宁 锦州 121001）

模糊逻辑系统(FLS)是被证实行之有效的估计器，有其他系统不可比拟的优越性，但存在着参数选取以及规则数等难以获取的缺点。蚁群算法(ACO)是一种基于局部更新信息素搜索寻优的策略，在此算法基础上改进全局信息素更新设计改进蚁群算法(IACO)。它不仅继承蚁群算法可以解决随机择路的复杂优化问题，同时克服候选解随机搜索空间大，反复迭代效率低的缺点。将此改进的优化蚁群算法用于TSK-FLS的参数调整和规则筛选，设计一种智能优化的模糊逻辑系统，并将改进蚁群算法优化后的模糊逻辑系统应用于国际油价预测。通过数值预测仿真结果以及对比结果可以看出，该改进算法在TSK-FLS的参数设计的有效性和可靠性，并缩小了传统蚁群算法的搜索空间并提高计算效率。

改进ACO；TSK-FLS；参数设计

模糊逻辑系统能够基于逻辑和主观经验对信息进行感知和决策，广泛应用于人工智能控制、图像处理、语言识别、智能决策等前沿领域。模糊逻辑系统设计中最重要部分是基于模糊规则以及系统参数的模糊推理机，规则数筛选以及系统参数的获取是一个重要问题[1]。反向传播(BP)算法设计可将系统分解的低阶子系统，通过设计虚拟控制，反推到整个系统的控制性能实现规则的筛选及参数选取，但只能实现局部收敛；最小二乘法广泛用于已有测量数据来估计未知参数解决构造模型最优解问题，但存在选取粗糙很难实现精准设计需求。……