基于变速粒子群优化的置信规则库参数训练方法

摘要

针对置信规则库(BRB)中参数优化模型的求解问题,引入群智能算法中的粒子群优化(PSO)算法,提出一种新的参数训练方法.将参数优化模型求解问题转换为带约束条件的非线性优化问题,在迭代寻优时限制粒子在搜索空间中,对失去速度的粒子重新赋予速度,维持种群中粒子多样性,从而实现参数训练.在输油管道检漏问题仿真实验中,训练后系统的平均绝对误差(MAE)为0.166478.实验结果表明,所提方法有理想的收敛精度,可用于置信规则库参数训练.