유전 퍼지 시스템
Genetic fuzzy systems| 다음 시리즈의 일부 |
| 진화 알고리즘 |
|---|
| 유전 알고리즘 |
| 유전자 프로그래밍 |
컴퓨터 과학과 운영 연구에서, 유전 퍼지 시스템은 그 구조와 매개변수를 확인하기 위해 자연 진화의 과정을 모방하는 유전 알고리즘이나 유전자 프로그래밍을 사용하여 만들어진 퍼지 시스템이다.
퍼지 시스템을 자동으로 식별하고 구축하는 경우, 출력의 비선형성이 높다는 점을 감안할 때 기존의 선형 최적화 도구는 몇 가지 한계가 있다.따라서 소프트 컴퓨팅의 틀에서는 퍼지 시스템의 구조와 파라미터를 식별하기 위해 유전 알고리즘(GA)과 유전자 프로그래밍(GP) 방법을 성공적으로 사용해 왔다.
퍼지 시스템
퍼지 시스템은 불확실성과 부정확성을 다루는 메커니즘과 함께 언어 정보를 표현하고 처리하는 근본적인 방법론이다.예를 들어, 차를 주차하는 운전자를 모델링하는 일은 설명이 더 상세해질수록 간결한 수학 모델을 쓰는 데 더 큰 어려움을 수반한다.그러나 난이도는 그 자체로 애매한 단순한 언어규칙을 그리 많이 사용하지 않는다.그러한 주목할 만한 속성으로 퍼지 시스템은 제어, 분류 및 모델링 문제에 광범위하고 성공적으로 적용되었다(Mamdani, 1974년). (Klir와 Yuan, 1995년) (Pedrycz와 Gomide, 1998년)
설계상 단순하지만 퍼지 시스템의 식별은 (a) 입력 및 출력 변수, (b) 규칙 기반(지식 기반), (c) 멤버십 함수 및 (d) 매핑 매개변수의 식별을 구성하는 다소 복잡한 작업이다.
일반적으로 규칙 기반은 입력과 출력을 연결하는 여러 IF-DEN 규칙으로 구성된다.퍼지 컨트롤러의 간단한 규칙은 다음과 같을 수 있다.
IF(온도 = HOT) 그러면(냉각 = HIGH)
이 규칙의 수치적 영향/의미는 HOT와 HIGH의 멤버십 기능을 어떻게 형성하고 정의하느냐에 따라 달라진다.
퍼지 시스템의 구성과 식별은 (a) 구조물과 (b) 퍼지 시스템의 매개변수 식별으로 나눌 수 있다.
퍼지 시스템의 구조는 입력 및 출력 변수와 규칙 베이스에 의해 표현되는 반면 퍼지 시스템의 매개변수는 규칙 매개변수(멤버십 함수, 집계 연산자 및 시사 함수를 정의함수)이며, 퍼지 집합에 바삭한 세트를 매핑하는 것과 관련된 매핑 매개변수 및 그 반대의 경우도 있다.바스티안, 2000년).
수치 데이터로부터 퍼지 시스템을 자동으로 식별할 수 있는 방법론을 개발하거나 수정하기 위해 많은 작업이 수행되었다.특히 소프트 컴퓨팅의 프레임워크에서는 유전자 알고리즘(GA)이나 유전자 프로그래밍(GP)을 통해 퍼지 시스템을 구축한다는 목표를 가지고 중요한 방법론이 제안되어 왔다.
퍼지 시스템 식별을 위한 유전 알고리즘
퍼지 시스템 출력의 높은 비선형성을 고려할 때, 전통적인 선형 최적화 도구는 그 한계가 있다.유전 알고리즘은 퍼지 규칙 베이스의 생성, 퍼지 규칙 베이스의 최적화, 멤버십 함수의 생성, 멤버십 함수의 조정과 같은 작업을 수행할 수 있는 강력하고 매우 강력한 도구임을 입증했다(Cordon et al., 2001a).이러한 모든 작업은 대규모 솔루션 공간 내에서 최적화 또는 검색 프로세스로 간주할 수 있다(Bastian 및 Hayashi, 1995). (위안 및 좡, 1996) (Cordon 등, 2001b.
퍼지 시스템 식별을 위한 유전자 프로그래밍
유전자 알고리즘은 사전 정의된 규칙 베이스의 퍼지 멤버쉽 함수를 식별하는 매우 강력한 도구지만, 특히 주어진 데이터 집합에서 퍼지 시스템의 입력 및 출력 변수를 식별하는 경우에도 그러한 제한이 있다.유전 프로그래밍은 퍼지 모델의 입력 변수, 규칙 기반 및 관련 멤버십 함수를 식별하는 데 사용되어 왔다(Bastian, 2000).
다목적 유전 퍼지 시스템
지난 10년 동안 퍼지 규칙 기반 시스템의 다목적 최적화는 연구 커뮤니티와 실무자들 사이에서 폭넓은 관심을 끌었다.다목적 시나리오에서 파레토 효율을 탐색하기 위한 다목적 최적화를 위한 확률 알고리즘의 사용에 기초한다.예를 들어, 동시에 최적화하는 목표는 정확성과 복잡성 또는 정확성과 해석성이 될 수 있다.그 분야에 대한 최근의 리뷰는 Fazzolari 외 연구진(2013)의 연구에서 제공된다.또한 [1]은 주제에 대한 최신 및 지속적으로 증가하는 참조 목록을 제공한다.
참조
- 1974, E.H. 맘다니, 단순 동적 플랜트 제어용 퍼지 알고리즘 적용, Proc.IEE 121 1584 - 1588.
- 1995년 A. Bastian, I.하야시: 일본 퍼지 이론 및 시스템학회지 제10권, 페이지 801–810호, "퍼지 모델링을 위한 예상 하이브리드 유전 알고리즘"
- 1995, Klir, G. B. Yuan, Fuzzy 세트와 Fuzzy Logic - 이론과 응용, 프렌티스 홀.
- 1996, Y. Y. Yuan 및 H. Zhang, "퍼지 분류 규칙 생성을 위한 유전자 알고리즘", 퍼지 집합 및 시스템, V. 84, N. 4, 페이지 1–19.
- 1998년, W. 페드리츠와 F.Gomide, 퍼지 집합 소개: 분석과 디자인, MIT 프레스.
- 2000, A.바스티안: "유전자 프로그래밍을 활용한 퍼지 모델 식별", 퍼지 세트 및 시스템 113, 333–350.
- 2001, O. 코르돈, F.에레라, F.고미데, F.호프만과 L. 막달레나, 10년간의 유전자 퍼지 시스템: 현재의 체계와 새로운 추세, 제9차 IFSA 세계회의와 제20차 NAIPS 국제회의, 페이지 1241–1246, 밴쿠버 - 캐나다, 2001.
- 2001, O. 코든, F.에레라, F.호프만과 L. 막달레나 유전 퍼지 시스템즈 퍼지 지식 기반에 대한 진화적 조정과 학습, 퍼지 시스템의 진보: 응용과 이론, 세계 과학.
- 1997년, 이시부치, T. 무라타, IB.Turkşen, 단일 목적적 및 2 목적적 유전 알고리즘으로 패턴 분류 문제, 퍼지 집합 및 시스템, V. 89, N. 2, 페이지 135–150에 대한 언어 규칙 선택
- 2007년, M. 코코시오니, B. 라제리니, F.Marcelloni, Mamdani 퍼지 시스템, Soft Computing, V.11, N.11, 페이지 1013–1031의 식별에 대한 파레토 기반의 다목적 진화 접근법
- 2011년, M. 코코시오니, B. 라제리니, F.Marcelloni, 다목적 유전자 타카기-수게노 퍼지 시스템에서 연산 오버헤드 감소에 관한 연구, 적용 소프트 컴퓨팅 V. 11, N. 1, 페이지 675–688
- 2013, M. 파졸라리, R.알칼라, Y. 노지마, H. 이시부치, F.Herrera, 다목적 진화 퍼지 시스템의 적용에 대한 검토: 현재 상태 및 추가 방향, IEEE T. 퍼지 시스템, V. 21, N. 1, 페이지 45–65
- [1] 퍼지 규칙 기반 시스템의 진화적 다목적 최적화 페이지
