logo
calendar16 Dekabr 2019
view59
Основной язык:Русский

Построение нечеткой модели мониторинга с использованием многокритериального генетического алгоритма

Область науки:
pdf

5df759b802251.pdf

PDF

Hisoblash va amaliy matematika muammolari

Hisoblash va amaliy matematika muammolari

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
Рассматривается процесс построения нечеткой модели мониторинга с использованием многокритериального генетического алгоритма, который позволяет оптимизировать комбинацию целевых функций и таким образом получить несколько наборов недоминируемых нечетких правил классификации. Полученные наборы нечетких правил являются приближением к Парето оптимальному множеству решений многокритериального генетического алгоритма. Множество наборов нечетких правил позволяет в каждом конкретном случае отобрать наиболее приемлемое решение с точки зрения соотношения между точностью и интерпретируемостью нечеткой модели классификации. На конкретном примере показаны результаты работы многокритериального генетического алгоритма.

АВТОРЫ

D.Muhamediyeva

Toshkent axborot texnologiyalari universiteti

N.Niyozmatova

Toshkent axborot texnologiyalari universiteti

Теги

# нечеткое правило# целевая функция# нечеткая модель мониторинга# многокритериальный генетический# fuzzy model of monitoring# multi-criteria genetic algorithm# fuzzy rule# the objective function# мониторингнинг норавшан модели# кўп мезонли генетик алгоритм# норавшан қоидда# мақсад функция

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.0007/A1219-0037

DOI:

Недоступно

Список литературы

Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия - Телеком, 2004. – 452 с.

Aliev R.A., Aliev R. Theory of Intelligent Systems and Applications. – Baku: Chashyogly, 2001. – 720 p.

Zaychenko Yu. The Fuzzy Group Method of Data Handling and Its Application for Economical Processes forecasting // Scientific Inquiry. – 2006. – Vol. 7. – №1. – Рр. 83-98.

Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / под ред. В.М. Курейчика. – 2-е изд., испр. и доп. – М.: ФИЗМАТЛИТ, 2006. – 320 с.

Кондрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах / под ред. Д.А. Поспелова // Серия «Проблемы искусственного интеллекта». – М.: Наука, 1989. – Вып. 6. – 328 с.

Goldberg D. Genetic Algorithms in Search, Optimization, and Machine Learning. – Massachusetts: AddisonWesley, 1989.

Hartmann A.K., Rieger H. Optimization Algorithms in Physics. – Berlin: Wiley-VCH, 2002. – 383 p.

Holland J.H. Adaptation in Natural and Artificial Systems: An Introductory Analysis With Applications to Biology, Control, and Artificial Intelligence. – Cambridge: The MIT Press, 1992.

Koza J.R. Genetic Programming. – Cambridge: The MIT Press, 1998. – 609 p.

Michalewicz Z. Genetic algorithms + Data Structures = Evolution Programs. – New York: Springer-Verlag, 1996. – 387 p.

Mitchell M. An Introduction to Genetic Algorithms. – Cambridge: MIT Press, 1999. – 158 p.

Whitley D. A Genetic Algorithm Tutorial : Technical Report CS-93-103 (Revised) / Department of Computer Science ; Colorado State University. – Fort Collins, 1993.

Krasnogor N. Studies on the Theory and Design Space of Memetic Algorithms : Ph.D. Thesis / Faculty of Computing, Mathematics and Engineering ; University of the West of England. – Bristol, 2002. – 289 p.