克隆选择算法在优化模糊Petri网参数中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 39-42.

克隆选择算法在优化模糊Petri网参数中的应用

李洋1，乐晓波2

1.湖南对外经济贸易职业学院服务外包学院，长沙 410015
2.长沙理工大学计算机与通信工程学院，长沙 410076

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Research on clonal selection algorithm applied in parameters optimization of fuzzy Petri nets

LI Yang1，YUE Xiaobo2

1.Institute of Service Outsourcing，Hunan Foreign Economic Rela.& Trade College，Changsha 410015，China
2.Institute of Compu. & Commu. Engineering，Changsha Univ. of Sci. & Tech.，Changsha 410076，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要： 如何确定模糊产生式规则的各项参数对模糊Petri网的建立具有重要意义，但一直是尚未解决的难题。首次把克隆选择算法引入到模糊Petri网的参数寻优过程，提出一种基于线程实现技术的参数优化算法，该算法实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经克隆选择线程优化算法训练出的参数正确率较高，且所得的模糊Petri网具有较强的泛化能力和自适应功能。

关键词: 模糊Petri网, 模糊推理, 克隆选择算法, 线程技术

Abstract: It is significant and being unsolved yet for building a Fuzzy Petri Net（FPN） to determine all parameters of fuzzy production rules.In this paper，Clonal Selection Algorithm（CSA） is originally introduced into the procedure of exploring parameters of FPN.An optimization algoritnm based on the techniques of multithreading is proposed.Realization of the algorithm hasn’t depended on experiential data and requirements for primary input are not critical.Simulation experiment shows that the trained parameters gained from above CSA are highly accurate and the resultant FPN model possesses strong generalizing capability and self-adjusting purpose.

Key words: Fuzzy Petri Net（FPN）, fuzzy reasoning, Clonal Selection Algorithm（CSA）, multithreading

李洋1，乐晓波2. 克隆选择算法在优化模糊Petri网参数中的应用[J]. 计算机工程与应用, 2011, 47(15): 39-42.

LI Yang1，YUE Xiaobo2. Research on clonal selection algorithm applied in parameters optimization of fuzzy Petri nets[J]. Computer Engineering and Applications, 2011, 47(15): 39-42.

[1]	陈海洋，金晓磊，牛龙辉，刘喜庆. 基于改进克隆选择算法的区域交通灯配时优化[J]. 计算机工程与应用, 2020, 56(9): 272-278.
[2]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[3]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[4]	陈芳1，2，赵树宇1，杨素娣1，高秀梅1. Lipschitz聚合算子的模糊推理鲁棒性研究[J]. 计算机工程与应用, 2019, 55(6): 42-49.
[5]	陈建平，康怡怡，胡龄爻，陆悠，吴宏杰，傅启明. 基于多线程并行强化学习的建筑节能方法[J]. 计算机工程与应用, 2019, 55(15): 219-227.
[6]	李骏，刘岩. Lukasiewicz型直觉模糊推理三I方法的性质分析[J]. 计算机工程与应用, 2018, 54(8): 44-47.
[7]	井美，惠小静，王蓉. 直觉模糊推理的三I约束算法[J]. 计算机工程与应用, 2018, 54(15): 53-56.
[8]	杨乐1，周平2. 基于激光传感数据的拥堵路口交通信号灯控制[J]. 计算机工程与应用, 2018, 54(11): 225-229.
[9]	李骏，付超. 基于强正则蕴涵算子的加权模糊度量空间[J]. 计算机工程与应用, 2017, 53(5): 31-35.
[10]	任大勇. 用直觉模糊Petri网构建的供应链可靠性诊断模型[J]. 计算机工程与应用, 2017, 53(5): 260-265.
[11]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[12]	文童，华继学，王毅，梅海涛，贾琪，杨进帅. 基于Baldwin效应的直觉模糊自适应差分进化算法[J]. 计算机工程与应用, 2017, 53(19): 55-60.
[13]	张凤斌，王超，杨泽. 基于疫苗算子和柯西变异的克隆选择算法改进[J]. 计算机工程与应用, 2017, 53(1): 118-123.
[14]	董峰1，周鹏旭2. 面向云计算平台的多层免疫入侵检测模型[J]. 计算机工程与应用, 2016, 52(21): 101-104.
[15]	易三莉1，2，郭贝贝2，马磊2，钱洁2. 改进的模糊推理规则图像边缘检测算法[J]. 计算机工程与应用, 2016, 52(12): 180-183.