基于改进萤火虫算法的T-S模型辨识

被引:14
作者
吴东周
丁学明
机构
[1] 上海理工大学光电信息与计算机工程学院
关键词
改进萤火虫算法; 参数辨识; 全局优化;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
提出改进萤火虫算法的T-S模型辨识方法。针对传统T-S模型辨识方法中将前件参数和后件参数分开辨识而不能全局优化辨识的缺点,应用改进萤火虫算法对前件参数和后件参数整体编码整体辨识。改进萤火虫算法是在原始算法基础上对吸引度系数作自适应变化,目的是增强算法在迭代初期的搜索能力,防止其陷入局部极值点,并降低算法在迭代后期在最优解附近的振荡,以提高解的精度。提出的方法能较好地找到全局最优解,具有较高的辨识精度。仿真示例证明了改进方法的有效性。
引用
收藏
页码:327 / 330+375 +375
页数:5
相关论文
共 7 条
  • [1] 基于T-S模型的模糊系统辨识方法综述
    蒋强
    肖建
    何都益
    蒋伟
    王梦玲
    [J]. 计算机应用研究, 2009, 26 (06) : 2008 - 2012
  • [2] 模糊动态环境下复杂系统的满意优化控制
    李少远
    席裕庚
    [J]. 自动化学报, 2002, (03) : 408 - 412+377
  • [3] Clustering using firefly algorithm: Performance study[J] . J. Senthilnath,S.N. Omkar,V. Mani.Swarm and Evolutionary Computation . 2011 (3)
  • [4] Firefly algorithm, stochastic test functions and design optimisation[J] . Xin-She Yang.Int. J. of Bio-Inspired Computation . 2010 (2)
  • [5] On the use of the weighted fuzzy c-means in fuzzy modeling
    Tsekouras, GE
    [J]. ADVANCES IN ENGINEERING SOFTWARE, 2005, 36 (05) : 287 - 300
  • [6] Structure identification and parameter optimization for non-linear fuzzy modeling
    Evsukoff, A
    Branco, ACS
    Galichet, S
    [J]. FUZZY SETS AND SYSTEMS, 2002, 132 (02) : 173 - 188
  • [7] A clustering algorithm for fuzzy model identification
    Chen, JQ
    Xi, YG
    Zhang, ZJ
    [J]. FUZZY SETS AND SYSTEMS, 1998, 98 (03) : 319 - 329