置信规则库参数训练的布谷鸟搜索算法

摘要

置信规则库（belief rule base,BRB）中参数的选取直接影响着推理的精度.为了得到更加有效的参数训练方法,本文基于群智能算法中的布谷鸟搜索（Cuckoo Search,CS）算法进行改进拓展.针对布谷鸟搜索算法中Levy飞行后期出现的搜索速度慢和精度低的问题,引入自适应扰动函数进行优化,进而提出一种新的BRB参数训练方法.在多极值函数的拟合实验中,以均方误差与运行时间作为比较指标,验证本文改进方法的有效性.在输油管道泄漏检测的问题实例中,以平均绝对误差和运行时间作为比较指标,与其他现有的参数训练方法进行比较,实验结果表明,本文提出的算法具有更好的推理效率和准确度.