采用改进的进化策略优化模糊Petri网参数

doi:10.3778/j.issn.1002-8331.2011.04.008

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (4): 29-32.DOI: 10.3778/j.issn.1002-8331.2011.04.008

采用改进的进化策略优化模糊Petri网参数

赵东旭，乐晓波

长沙理工大学计算机与通信工程学院，长沙 410076

收稿日期:2009-06-12 修回日期:2009-08-03 出版日期:2011-02-01 发布日期:2011-02-01
通讯作者: 赵东旭

Optimizing parameters of fuzzy Petri net based on improved evolutionary strategy

ZHAO Dongxu，YUE Xiaobo

College of Computer and Communication Engineering，Changsha University of Science and Technology，Changsha 410076，China

Received:2009-06-12 Revised:2009-08-03 Online:2011-02-01 Published:2011-02-01
Contact: ZHAO Dongxu

摘要/Abstract

摘要： 模糊产生式规则的各项参数对模糊Petri网（FPN）的建立具有非常重要的意义，寻找一种可以得到合适的FPN参数的方法一直是Petri网研究领域的热点与难点。已有的寻优方法得到的参数还不太令人满意。对传统进化策略做了改进，并采用改进后的进化策略，研究了一种FPN参数优化的新方法。仿真实验的结果表明，改进后的进化策略能提高FPN的参数精度，从而增强了FPN对知识的分析、推理能力。

关键词: 模糊Petri网（FPN）, 改进的进化策略, 进化算法, 计算智能

Abstract: Parameters of fuzzy production rules are very important to construction of fuzzy Petri net.Searching for a method to gain proper parameters of FPN is the hotspot and difficulty in the Petri net research area all along.At present，methods found out to search parameters are not perfect yet.On the base of traditional evolutionary strategy，this paper presentes a new method of improved evolutionary strategy to optimize the parameters of a Fuzzy Petri net.The results of simulation prove that the new method can improve the precision of parameters of the Fuzzy Petri net and enhance the ability of analysis and reasoning of the net for knowledge.

Key words: Fuzzy Petri Nets（FPN）, improved evolutionary strategy, evolutionary arithmetic, computing capacity

中图分类号:

TP301.6

赵东旭，乐晓波. 采用改进的进化策略优化模糊Petri网参数[J]. 计算机工程与应用, 2011, 47(4): 29-32.

ZHAO Dongxu，YUE Xiaobo. Optimizing parameters of fuzzy Petri net based on improved evolutionary strategy[J]. Computer Engineering and Applications, 2011, 47(4): 29-32.

[1]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[2]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[3]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[4]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[5]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[6]	宋钰，石立宝. 参数动态调整的自适应布谷鸟算法[J]. 计算机工程与应用, 2020, 56(23): 61-67.
[7]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[8]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[9]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[10]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[11]	周林. 低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用, 2019, 55(8): 264-270.
[12]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[13]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[14]	顾春华，刘鑫平，罗飞，丁炜超. 基于同步更新外部归档集的NSGA-II改进算法[J]. 计算机工程与应用, 2018, 54(20): 28-34.
[15]	申晓宁，孙毅，薛云勇. 采用放松支配关系的高维多目标微分进化算法[J]. 计算机工程与应用, 2018, 54(18): 161-167.

采用改进的进化策略优化模糊Petri网参数

Optimizing parameters of fuzzy Petri net based on improved evolutionary strategy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics