基于改进二阶振荡粒子群优化的置信规则库推理方法

摘要

现有基于置信规则库(belief rule base,BRB)的推理方法的精度和效率受到系统参数设置以及规则库结构复杂度的影响.为了寻找到最佳的参数值和最优的规则库结构,本文基于粒子群(particle swarm optimization,PSO)算法进行改进拓展,进而提出一种新的置信规则推理方法.针对粒子群算法易早熟收敛和陷入局部最优解等问题,引入二阶振荡环节和自适应随机惯性权重来改进算法,并采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力.在实验分析中,将该文方法应用于多极值函数拟合和输油管道检漏问题仿真实验,以收敛误差、收敛时间作为衡量指标,与其他传统方法进行了对比.实验结果表明,该文方法具有更好的推理效率和精度.